Contents

Disclaimer:

• 이 책 자료 및 박지용 교수님 자료를 참고하였음: https://www.bradyneal.com/causal-inference-course

Difference in Differences

Research Design을 할 때, Panel Data, 즉 시간을 전후로 데이터가 있는 데이터를 Panel Data라고 하는데 해당 데이터에 대해서는 Quasi Experiment가 가능하고 그 중의 하나가 DID이다.

9.1 Difference-in-Differences Motivation and Preliminaries

이 책 전체에서 관심있는 것은 물론 ATE 이지만, 사람들이 ATT만 관심이 있을 때도 있다.

• ATT = Average Treatment Effect on Treated
• $ATT= E[Y_1(1) - Y_1(0)|T=1]$
  • $Y_1(0)$ → Counterfactual
• Difference in Difference는 는 ATT를 구하는 것이 목표
• The average differnce in potential outcomes after treatment has been administered(in time period $\tau$ =1) in the treatment group

• ATE는 Unconfoundedness 가정이 성립될 때 할 수 있다.

  • Unconfoundness(Ignorability)는 정리하면 Treatment, Control이 RCT를 했다는 전재아래 Treament 여부를 제외하고는 모든 조건이 동일해야 한다. → Causal Diagram 그리던 관점으로 보면 Backdoor Path가 없다는 것으로 이해
  • 통계모델링 관점에서 보면 Independent variable - error term 관 상관관계가 없어야 하는 것
  • (참고) https://stats.stackexchange.com/questions/404903/in-causal-inference-why-is-the-uncounfoundedness-assumption-interpreted-as-the?noredirect=1&lq=1

  

• ATT는 T=1인 것에서 볼 수 있듯이 Control Group에 대해서는 신경쓰지 않는다.

  • Y(0)만 Treatment와 독립이면 됨 → Weak Unconfoundedness