PC的博客Goodman-Bacon分解
type
status
date
slug
summary
tags
category
category (1)
icon
password
Goodman-Bacon分解的提出
传统DID模型常用来估计对照组与实验组在时间点前后的差异，但是如果处理发生在不同的时间点，通过传统的DID模型可能会产生偏误，因为其系数实为多种异质处理效应的加权平均值。
Andrew Goodman-Bacon (2021) 提出整体处理效应系数的计算是通过对较早接受处理与较晚接受处理的群体、接受处理与从未接受处理的群体等进行加权比较得出的。
因果解释需要平行趋势假设和随时间恒定的处理效应，Goodman-Bacon分解便能够将整体效应分解为处理样本与对照样本之间的特定对比（即后期处理组与早期对照组、后期处理组与早期处理组、处理组与从未处理组）。需注意，Bacon分解模型仅能在平衡面板中估计。
R语言实现
数据来源自 Stevenson 和 Wolfers (2006) 关于单方面离婚改革和女性自杀的分析。使用 1969 年至 1985 年 37 个州中由于采用单方面离婚法的时间不同而导致的自然变化，以及剩余的 14 个州作为对照来评估该改革对女性自杀率的影响。
此时会得到我们bacon分解的结果，会将四个组报告
对比各个组的权重和平均估计值，其中Later vs Always Treated的权重最大，估计值最大
同时其也会报告各个组别不同时间的影响，上表是对各个组别不同时间影响的一个汇总
如果想对结果进行可视化，也可通过绘图实现
其中展示了众多不同时间点四组的比较，其中有几个关键点
- 红色横线（0线）：表示没有处理效应
- 离0线越远的点，表示该子组的处理效应越显著
- 点的大小和位置综合反映了子组的统计特征
Prev
爽！
Next
NAS使用心得
Loading...