Difference-in-Differences (DiD)

Pythonの因果推論で、局所的な自然災害の長期的な経済的影響を評価します。2004年のアチェ津波に関するHeger & Neumayer (2019) を初心者向けに再現します。合成的に較正されたデータを用いて、pyfixestによる動的な差分の差分法、diff-diffによるイベントスタディ、夜間光の用量反応、mlsynthによる合成コントロール、Conleyの空間標準誤差を扱います。

合成的差分の差分法（SDID）を導入・導出し、カリフォルニア州の提案99に適用します。元の差分の差分法および合成コントロール法（synth2）と比較し、処置群が1つだけの場合のプラセボ推論の方法も説明します。

処置の導入時期が単位ごとに異なる「時差導入（staggered adoption）」へ合成的差分の差分法を拡張し、119か国の議会ジェンダー・クオータにStataで適用します。コホート別推定量とその全体ATTへの集計、最新のsdid_eventによるイベントスタディ、そしてブートストラップ・ジャックナイフ・プラセボの各推論を導出・解説します。

「処置」が空間上の一点であるとき、距離が割り当て変数になります。パラメトリックなリング型DiDと、データに基づくノンパラメトリックな代替手法を、まず答えのわかっているシミュレーション世界で、次に Linden・Rockoff の住宅価格研究で順に解説し、パラメトリックな −5.78% とノンパラメトリックな −20.6% を整合させます。

医療費負担適正化法（ACA）によるメディケイド拡大を事例に、2×2セル平均、TWFE、共変量調整済みDRDID、2×Tおよび Callaway–Sant'Anna の段階的イベントスタディ、HonestDiD の感度分析までを取り上げ、ユニットの規模が大きく異なる地域である場合に、人口加重が対象パラメータをどのように変えるかを示します。

PyFixestとGreat Tablesを用いて、Pythonで差分の差分法（DiD）を学びます。Corral and Yang (2024) に基づき、2×2デザイン、TWFE回帰、推論の比較、論文品質の表、イベントスタディ、平行トレンドの検定を扱います。

放課後の個別指導プログラムのケーススタディを用いて、Stataで差分の差分法（DiD）を学びます。Corral and Yang（2024）に基づき、2×2デザイン、TWFE回帰、イベントスタディ、平行トレンドの検定を扱います。

Stataのhonestdidパッケージを用いて、差分の差分法の結果が平行トレンドの違反に対してどの程度頑健かを評価します。単純な2×2のDiDから、相対的な大きさと平滑性の制約を伴う複数期間のイベントスタディへと進めます。

段階的な処置を伴う差分の差分法のガイドです——TWFEの落とし穴から、Callaway-Sant'Annaのグループ時間ATT、二重頑健推定、HonestDiDによる感度分析まで——最低賃金が若年雇用に与える効果に適用します。

diff-diffパッケージを用いて、差分の差分法による因果的な処置効果を推定します。古典的な2×2デザインから、Callaway-Sant'Anna法による段階的導入、HonestDiDによる感度分析までを扱います。