差分のデータ設定

を使用した差分回帰モデルの違いに対して正しい設定はどれですか

$Y_{ist} = \alpha +\gamma_s*T + \lambda d_t + \delta*(T*d_t)+ \epsilon_{ist}$

ここで、Tは、観測が処理グループからのものである場合は1に等しいダミーであり、dは、処理が行われた後の期間で1に等しいダミーです

1）各グループと時間からのランダムサンプル（つまり、4つのランダムサンプル）

または

2）両方の期間にわたって同じユニットが追跡されるパネルデータ？

それは重要であり、そうでない場合、OLSはどちらの場合でも使用できますか？

差異の差（DID）の主要な仮定は、両方のグループが治療前の結果変数に共通の傾向があることです。これは、治療されたグループの変更は治療によるものであり、2つのグループがもともとすでに互いに異なっていたためではないという主張をするために重要です。

治療前後のさまざまな人々をサンプリングする場合、治療グループと対照グループのサンプルが実際にランダムで大きくない限り、これは議論を弱めます。ですから、誰かがあなたに尋ねようとしているのはよくあることです：「効果が治療によるものであり、異なる人々をサンプリングしたからというだけではないことをどうやって確認できるのですか？」-それは答えるのが難しいでしょう。この質問は、同じ統計単位を長期間にわたって追跡するため、パネルデータを使用することで回避できます。通常、これはより堅実なアプローチです。

最後の質問に答えます。はい、データは重要ですが、OLSを使用して上記の方程式を推定できます。過去にしばしば見落とされていた重要なことは、標準誤差の正しい推定です。それらを修正しない場合、シリアル相関はそれらをかなりの量で過小評価し、おそらくそうするべきではないにせよ、重大な影響を見つけるでしょう。この問題に対処する方法のリファレンスと提案として、Bertrand et al。を参照してください。（2004）「差の差の見積もりをどれだけ信頼すべきですか？」。

最後に、集計データがある場合（例：州レベル）、または簡単に集計でき、DIDよりも新しい計量経済学的手法を使用したい場合は、Abadieらを参照することをお勧めします。（2010）「比較事例研究のための合成制御方法」。合成制御法は、最近の研究でますます使用されており、RとStataのよく文書化されたルーチンが存在します。多分これはあなたにとっても興味深いものです。