差異の差異で制御変数を使用する理由

次の標準方程式を使用した差分のアプローチについて質問があります： は、扱うグループと投稿のダミー変数です。

さて、私の質問は簡単です：なぜほとんどの論文はまだ追加の制御変数を使用しているのですか？並行トレンドの仮定が正しければ、追加の制御について心配する必要はないはずだと思いました。制御変数を使用する理由として考えられるのは、次の2つだけです。

1. それらがなければ、トレンドは平行しません
2. DnD仕様は、治療時の治療グループとコントロールグループ間の傾向の違いを介入に起因するため（つまり、交互作用項トリート*ポスト）-他の変数を制御しない場合、交互作用の係数が終了する可能性があります-/控えめに

誰かがこの問題についていくつかの光を当てることができますか？私の理由1）または2）はまったく意味がありますか？DnDでの制御変数の使用を完全には理解していません。

それらがない場合（つまり、追加の変数）、傾向は平行ではありません

はい、そうです。時変変数をモデルに追加しない限り、考慮していないユニット固有の傾向がある場合があります。

追加の変数なしで並行トレンドの仮定が満たされている場合でも、追加の変数を追加すると、他の回帰と同様に、推定の精度が向上します。これは、マイケル・チェニックが念頭に置いていることの一部だと思います。

ほとんど無害な計量経済学は、役に立つかもしれない素晴らしい議論を持っています。特に236-37ページを参照してください。

治療後の反応と治療前の反応の差を計算して治療効果を見ると、患者は自分のコントロールとして行動することがあります。対照群を提供する目的は、いわゆるプラセボ効果を説明することです。治療を行わなくても、ポジティブな変化が見られる場合があります。したがって、決定したい効果は、「プラセボ効果」を超える平均増加です。

はい、あなたの両方のポイントは理にかなっています。diff-in-diffモデルの2つの異なるフレーバーの派生を確認するには、トピックに関する講義スライドをご覧ください。

マイケルの回答を続けて、E [u | treat] = 0であるという証拠をできるだけ多く提供したいと思います。これは仮定であり、直接検証することはできませんが、その理由について読者にできるだけ多くの信頼を提供したい保持することがあります。コントロールを追加すると、uが効果的に分解され始めます。また、一部のコントロールは、思い通りの結果が得られない場合がありますが、心配する必要のないものの種類を把握できる場合があります。たとえば、IQのコントロールがある場合、それは能力に関する省略された変数の懸念を和らげるのに役立ちます。