Hvad er forskellen på før/efter-sammenligning og DiD?
Før/efter-sammenligning kontrollerer kun for tidsinvariante faktorer inden for én gruppe.
DiD sammenligner udviklingen i en treatment-gruppe med en kontrol-gruppe og kontrollerer dermed både for faste forskelle mellem grupper og fælles udvikling over tid.
Hvad er parallel trends-antagelsen, og hvorfor er den vigtig?
Parallel trends-antagelsen siger, at treatment- og kontrolgrupper ville have udviklet sig ens over tid i fravær af treatment. Holder den ikke, har vi selektionsbias. Det er en forudsætning for at DiD giver kausale effekter.
Hvordan estimeres en DiD-model som lineær regression?
Vi inkluderer en treatment-indikator, en tid-indikator og et interaktionsled (treatment × tid). Effekten af treatment findes i koefficienten til interaktionsleddet (β3).
Hvad kontrollerer DiD for per design?
Alle tidsinvariante faktorer og alle faktorer der påvirker grupperne ens over tid. Dermed forbedres den interne validitet, forudsat at parallel trends holder.
Hvad er forskellen på paneldata og repeated cross sections i DiD?
Paneldata følger de samme enheder over tid.
Repeated cross sections bruger stikprøver fra de samme populationer på forskellige tidspunkter. I sidstnævnte er ekstra antagelser (f.eks. ingen sampling bias) nødvendige for intern validitet.
Hvordan kan man teste eller styrke troværdigheden af parallel trends?
Ved at undersøge trends i perioden før treatment, evt. grafisk. Hvis udviklingen i grupperne er ens før treatment, styrkes troen på, at de også ville have været det uden treatment.