R中平行趋势的Wald检验

yws3nbqq  于 2023-03-20  发布在  其他
关注(0)|答案(1)|浏览(123)

是否有人使用Wald检验来检查平行趋势,作为差异中的差异的预检验阶段?有人建议这是一种很好的方法,但不确定最好的方法是什么。
我有一个数据集,包括13个受试者和对照组的政策前观察结果--治疗组编码为“1”,对照组编码为“0”。
我想使用Wald检验来检验sampole*time交互作用的显著性。
谢谢

v8wbuo2f

v8wbuo2f1#

did将在输出摘要中报告Wald测试,如包作者所述:https://bcallaway11.github.io/did/articles/did-basics.html#an-example-with-real-data网站。
这是总结底部报告的“平行趋势假设预检验的P值”。

# Example data
data(mpdta)

out1 <- att_gt(yname="lemp",
               tname="year",
               idname="countyreal",
               gname="first.treat",
               xformla=NULL,
               data=mpdta)
summary(out1)
#> 
#> Call:
#> att_gt(yname = "lemp", tname = "year", idname = "countyreal", 
#>     gname = "first.treat", xformla = NULL, data = mpdta)
#> 
#> Reference: Callaway, Brantly and Pedro H.C. Sant'Anna.  "Difference-in-Differences with Multiple Time Periods." Journal of Econometrics, Vol. 225, No. 2, pp. 200-230, 2021. <https://doi.org/10.1016/j.jeconom.2020.12.001>, <https://arxiv.org/abs/1803.09015> 
#> 
#> Group-Time Average Treatment Effects:
#>  Group Time ATT(g,t) Std. Error [95% Simult.  Conf. Band]  
#>   2004 2004  -0.0105     0.0235       -0.0752      0.0542  
#>   2004 2005  -0.0704     0.0307       -0.1549      0.0140  
#>   2004 2006  -0.1373     0.0365       -0.2379     -0.0367 *
#>   2004 2007  -0.1008     0.0383       -0.2062      0.0046  
#>   2006 2004   0.0065     0.0236       -0.0585      0.0715  
#>   2006 2005  -0.0028     0.0195       -0.0564      0.0509  
#>   2006 2006  -0.0046     0.0185       -0.0556      0.0464  
#>   2006 2007  -0.0412     0.0202       -0.0969      0.0145  
#>   2007 2004   0.0305     0.0155       -0.0122      0.0733  
#>   2007 2005  -0.0027     0.0158       -0.0462      0.0408  
#>   2007 2006  -0.0311     0.0176       -0.0794      0.0173  
#>   2007 2007  -0.0261     0.0167       -0.0720      0.0199  
#> ---
#> Signif. codes: `*' confidence band does not cover 0
#> 
#> P-value for pre-test of parallel trends assumption:  0.16812
#> Control Group:  Never Treated,  Anticipation Periods:  0
#> Estimation Method:  Doubly Robust

相关问题