Differences in Difference and Randomized Experiment
impact evaluation methods: Difference-in-Difference and. Randomized Experiments. ? Outline: 1. Back to the selection bias. 2. Solving the selection bias with a
Chapter 6 - The finite difference method
The finite difference approximations for derivatives are one of the simplest and of the oldest methods to solve differential equations.
Program Evaluation and the Difference in Difference Estimator - 1
permanent differences between treatment and control) The assumptions we need for the difference in difference estimator to be correct are given by the ...
Session III Estimation en Doubles Différences (Diff- in-diff) et
Contenu de cette session. • Quand utilisons-nous la méthode des doubles différences? (Diff –in- diff ou DD). • Stratégie d'estimation : un peu de théorie.
Adaptive implicit finite difference method for natural gas pipeline
Abstract. The implicit finite difference method is one of the most widely applied methods for transient natural gas simulation.
Quasi experimental methods: Difference in differences
24 mars 2010 While using non experimental data to infer causal relationships we must think through sample selection and omitted variables bias.
Impact Evaluation Methods
9 avr. 2012 Simple Difference c. Differences-in-Differences d. Multivariate Regression e. Statistical Matching f. Instrumental Variables.
Differences-in-Differences
Difference in differences (DID). Estimation step-by-step. * Estimating the DID estimator (using the hashtag method no need to generate the interaction).
Impact evaluation using Difference-in-Differences
Based on a combination of before-after and treatment-control group comparisons the method has an intuitive appeal and has been widely used in economics
How D-I-D you do that? Basic Difference-in-Differences Models in
We include a brief discussion of more advanced D-I-D methods and present an example of a real-world analysis using data from a study on the impact of
5 Difference in Differences - Home Scholars at Harvard
5) Difference-in-Differences (cf “Mostly Harmless Econometrics” chapter 5) Often there are reasons to believe that treated and untreateddiffer in unobservable characteristics that are associated topotential outcomes even after controlling for differences inobserved characteristics
Module 25: Difference in Differences Designs
Relative to these methods we find both theoretically and empirically that this "synthetic difference in differences" estimator has desirable robustness properties and that it performs well in settings where the conventional estimators are commonly used in practice
Quasi experimental methods: Difference in differences - CEGA
difference?in?difference (takingintoaccountpre? existingdifferences betweenT&Candgeneral timetrend) In 1957 1 Mississippiamendeditsmarriagelaw Raisedminimumageformenandwomen Introducedparentalconsentlaws Proofofagebloodtestsotherrestrictions How canwe figureouttheimpact of thismarriage outcomessuchas Marriages Fertility Education 2
Introduction to Difference in Differences (DID) Analysis
• Difference-in-Differences (DID) analysis is a useful statistic technique that analyzes data from a nonequivalence control group design and makes a casual inference about an independent variable (e g an event treatment or policy) on an outcome variable • The analytic concept of DID is very easy to comprehended within the framework
Module 25: Difference in Differences Designs - edX
In this module we cover the popular quasi- or non-experimental method of Difference-in-Differences (DID) regression which is used to estimate causal effect – under certain assumptions – through the analysis of panel data DID is typically used when randomization is not feasible
What is difference-in-differences regression?
In this module, we cover the popular quasi- or non-experimental method of Difference-in- Differences (DID) regression, which is used to estimate causal effect – under certain assumptions – through the analysis of panel data. DID is typically used when randomization is not feasible.
What is difference-in-differences analysis?
Difference-in-Differences (DID) analysis is a useful statistic technique that analyzes data from a nonequivalence control group design and makes a casual inference about an independent variable (e.g., an event, treatment, or policy) on an outcome variable The analytic concept of DID is very easy to comprehended within the framework of regression
What is the best book on difference-in-differences in economics?
Quarterly Journal of Economics, 119, 249-275. 2. Donald, S. G. and K. Lang (2007). “Inference with Difference-in-Differences and Other Panel Data”, Review of Economics and Statistics, 89, 221-233. 3. Gerber, Alan S., and Donald P. Green. Field experiments: Design, analysis, and interpretation. WW Norton, 2012. 4. McKinnish, T. (2000).
What is the best book on inference with difference-in-differences?
“Inference with Difference-in-Differences and Other Panel Data”, Review of Economics and Statistics, 89, 221-233. 3. Gerber, Alan S., and Donald P. Green. Field experiments: Design, analysis, and interpretation. WW Norton, 2012.
Spanish Impact Evaluation
FundHuman Development
NetworkMiddle East and North Africa
Region
Session III Session III
Estimation en Doubles Diff
Estimation en Doubles Difféérences rences
(DiffDiff--inin--diffdiff)) et Donn et Donnéées de Paneles de PanelChristel VermeerschChristel Vermeersch
Janvier
Janvier20082008
2Contenu de cette session•
Quand utilisons-nous la méthode des doubles
différences? (Diff -in- diff ou DD)Stratégie d'estimation : un peu de théorie
Exemples :
Extension des services d'éducation en IndonésieL'eau pour la vie (Argentine)
Classement des écoles
Progresa (Mexique)
3Quand utilisons-nous les DD ?•
Nous ne pouvons pas toujours choisir au hasard les bénéficiaires d'un programme...Estimer l'impact d'un programme " passé »
Nous pouvons essayer de trouver une " expérience naturelle »qui nous permet d'identifier l'impact d'une politique
Par exemple, un changement inattendu dans une politique pourrait être considéré comme une " expérience naturelle »
Par exemple, une politique qui n'affecte que les jeunes de 16 ans mais non ceux de 15 ansMême dans les expériences naturelles, nous devons identifier quel est le groupe affecté par le changement de politique ("groupe traitement ») et quel est le groupe qui n'est pas affecté (" groupe témoin »).
La qualité du groupe témoin détermine la qualité de l'évaluation. 4 Une stratégie simple pour les expériences naturelles :La comparaison " avant - après »
oOLSitit YYtY 1 )1(1. H E D Avec 2 ans de données : avant (t=0) et après (t=1) Avec plus de 2 ans de données et un changement depolitique au moment t=t* 1 .1( ) Question à répondre: Y a-t-il un changement structurel dans la serie des au moment t*? T it it OLS o OLS Yt YY 5Les doubles différences
11 00 1010 10 10
ii ii YT YC YT YC YT YTYTYT YCYC YCYC
Nous soustrayons
ces deux moyennesNous comparons la moyenne de la variable de résultat avant et après, pour le groupe de comparaison.Nous comparons la moyenne de la variable de résultat avant et après, pour le groupe traitementAvantAprèsGroupe qui n'est pas
affecté par le changement de politique (groupe témoin)Groupe affecté par le changement de politique (groupe traitement) 6TempsIntervention
Variable
de résultatGroupe
traitementGroupe témoin
Effet moyen estimé du traitementGraphiquement
7Régression
1 0 1 0 10 10 .1(1).1( ) .(1).1( ) itit i i i i ii iiYtiTtiT
EY T EY T EY C EY C DD EY T EY T EY C EY C
8Régression
11 00 11 00 .1( 1) .1( ) .1( 1).1( ) (|) .1.1 .1.1 (| ) (|) .0.1.0.1 (| ) (|) .1.0 .1.0 (| ) (|) .0.1.0.0 (| ) itit ii ii ii iiYtiTtiT
EY T E i T
EY T E i T
EY C E i C
EY C E i C
DEJG H DEJK
DE J G H DJ
DE J G H DE
DE J G H
10 10 ii iiDD EY T EY T EY C EY C
9Si nous avons plus de 2 périodes de
temps/groupes 11òu est l'intensité du trait.1( ) .1( )
ement dans un groupe durant la période .. DEWJLGH
TI it it it it TT iYiT tt Nous utilisons une régression avec des variables indicatrices d'effets fixes pour le temps et le groupe : L'identification de l'effet de traitement est basé sur la variation inter- temporelle entre les groupes.CàD
: des changements dans la variable de résultat Y dans le temps, qui sont spécifiques aux groupes traitement.CàD
: des changements abrupts dans la variable de résultat Y, qui n'arrivent qu'aux groupes traitement, et non aux groupes de comparaison, exactement au moment où le traitement commence à faire effet. 10Si nous avons plus de 2 périodes de
temps/groupes Nous utilisons une régression avec des variables indicatrices d'effets fixespour le temps et le groupe:L'identification de l'effet de traitement est basé sur la variation inter-
temporelle entre les groupes.CàD
: des changements dans la variable de résultat Y dans le temps, qui sont spécifiques aux groupes traitement.CàD
: des changements abrupts dans la variable de résultat Y, qui n'arrivent qu'aux groupes traitement, et non aux groupes de comparaison, exactement au moment où le traitement commence à faire effet. 11òu est l'intensité du trait.1( ) .1( )
ement dans un groupe durant la période .. DEWJLGH
TI it it it it TT iYiT tt 11Avertissements...•
Le modèle à effets fixes n'est valable que lorsque le changement de politique a un impact immédiat sur la variable de résultat. S'il y a un délai dans l'impact du changement de politique, nous devons utiliser des variables déphasées de traitement. Les doubles différences/ effets fixes contrôlent : Les effets de groupes fixes (e.g., agriculteurs qui possèdent leurs terres, agriculteurs qui ne les possèdent pas) Les effets qui sont communs à tous les groupes à un point particulier dans le temps, c'es`-à-dire les " tendances communes » (e.g., la sécheresse de 2006 qui a affecté tous les agriculteurs, indépendamment du fait qu'ils possèdent leur terre ou non) Les doubles différences/ effets fixes attribuent les différences dans les tendances entre les groupes traitement et les groupes témoins, qui se produisent au même moment que l'intervention, à cette intervention. S'il y a d'autres facteurs qui affectent la différence dans les tendances entre les deux groupes, alors l'estimation sera biaisée ! ,1it Y 12Contrôle de qualité pour les DD ...•
Faire une DD " placebo», i.e., utiliser un " faux » groupe de traitement Ex. pour les années antérieures (e.g., années -2, -1). Ou utiliser comme groupe traitement une population dont vous savez pertinemment qu'elle n'a pas été affectée. Si l'estimation DD est différente de 0, il en suit que les tendances ne sont pas parallèles et notre DD originale sera probablement biaisée.Utiliser un groupe témoin différent.
Les deux DD devraient donner les mêmes estimations Utiliser une variable de résultat Y~ dont vous savez pertinemment qu'elle nést pas affectée par le traitement, Utiliser le même groupe témoin et la même année de traitement. Si la DD estimée est différente de zéro, il y a un problème. 13Problèmes qui se produisent souvent dans
l'utilisation de la DD La participation est basée sur la différence dans les résultats avant l'intervention " Ashenfelter dip »Dépendance de forme fonctionnelle
Lorsque la taille de la réponse dépend d'une façon non linéaire de la taille de l'intervention, et que nous comparons un groupe à intensité élevée de traitement avec un groupe à faible intensité de traitement. Lorsque les observations au sein de l'unité de temps/ groupe sont corrélées.Spanish Impact Evaluation
FundHuman Development
NetworkMiddle East and North Africa
Region
Exemples de diff des diff et Exemples de diff des diff et estimation des effets fixes estimation des effets fixesSpanish Impact Evaluation
FundHuman Development
NetworkMiddle East and North Africa
Region
ConsConsééquences sur la scolaritquences sur la scolaritééet le marchet le marchéédu du
travail de la construction d travail de la construction d'é'écoles en Indoncoles en Indonéésie: sie: preuve d preuve d''une expune expéérience de politique rience de politique inhabituelle inhabituelleEsther Duflo (MIT)Esther Duflo (MIT)
American Economic Review sept. 2001
American Economic Review sept. 2001
16Questions de recherche
Infrastructure scolaire -> années de scolarité /apprentissages des élèves ? Scolarité des élèves -> leur niveau de salaire plus tard dans la vie?Quelle est la rentabilité économique de la
scolarisation ? 17Description du programme
1973-1978 : Le gouvernement indonésien a bâti
61.000 écoles (équivalent à une école pour 500
enfants âgés de 5 à 14 ans). Le taux d'inscription a augmenté de 69 % à 85 % entre 1973 et 1978. Le nombre d' écoles bâties dans chaque région dépendait du nombre d'enfants non scolarisés dansquotesdbs_dbs35.pdfusesText_40[PDF] difference in difference gretl
[PDF] difference in difference stata tutorial
[PDF] haptoglobine basse causes
[PDF] hyperplaquettose causes
[PDF] myélémie causes
[PDF] cours de lobbying pdf
[PDF] exemple de lobbying
[PDF] quels types d'échanges la balance des paiements permet-elle de mesurer ?
[PDF] pédagogie différenciée l école primaire
[PDF] pédagogie différenciée exemple concret
[PDF] les cinq aveugles et léléphant
[PDF] le loup et le chien question reponse
[PDF] histoire du chien frisé et de la lettre jaune
[PDF] le loup et le chien cycle 3