Statistical Learning
이중차분법 (Difference In Difference)
Dan-k
2022. 8. 22. 20:47
반응형
이중차분법 (Difference In Difference)
- 원인과 결과간의 효과를 측정하기 위한 인과 추론 방법으로, 시계열적인 변화를 고려하여 효과 측정방법으로 이해됨
- 인과 추론에서는 실험군(Treated Group)과 대조군(Control Group)간의 차이가 있음을 인정하고 비교하는 방법으로, 비실험군이(unTreated Group)이 처치를 받지 않았다면 그 결과는 대조군(Control Group)의 결과(트렌드 변화)와 같다이다. → parallel trend assumption
- 이중차분법을 구하는 방법은 아주 간단함 : 실험군의 처치후 변화량에서 대조군의 트렌드 변화량을 빼주면 됨
- 평행 트렌드 가정(parallel trend assumption) 하에, "실험군이 처치를 받지 않았다면 나타났을 결과 변수의 트렌드 변화"는 "대조군의 결과 변수 트렌드 변화"가 동일할 것이기 때문입니다. 이를 추론하여 표시한 것이 빨간색 점선임
손호성,이재훈 (2018).
- 이렇게 이중으로 차분을 하면 두 집단 간의 특징 차이(종단면)를 제거하고, 시점에 따른 결과 변수의 변화(횡단면)가 얼마나 다르게 일어나는지 확인가능
https://everyday-tech.tistory.com/entry/%EC%9D%B4%EC%A4%91%EC%B0%A8%EB%B6%84%EB%B2%95DID
728x90
반응형
LIST