[Week 5-1] 이중차분법 (Difference-in-Differences)

[@soyeonmoon2611]

와 엄청나게 쉽게 설명하십니다ㄷㄷ 모든 강의에 추천드립니다🎉🎉🎉🎉🎉🎉🎉🎉복받으십시오

[@가장자리-l1b]

감사합니다. 이번 한 주간 강의도 기대됩니다~^^

[@Larrylurex-gh5kb]

안녕하세요 교수님 질문이 있습니다. DiD 를 적용할 때 parallel trend assumption을 맞추기 위해서 pre-treatment outcome variable로 conditioning 하여 control unit을 골라낼 수도 있을까요? 만약 이런 과정을 거쳐서 treatment와 control group의 pre treatment trend 가 매우 비슷해진다면 DID를 적용하는게 문제가 없는 접근 방식인지 궁금합니다

[@causaldatascience]

말씀하신 접근은 synthetic control method 와 유사하며, 해당 아이디어를 DID 에 접목한 것이 synthetic DID 입니다. Week 7 영상에서 자세히 다루니 참고해주세요.

[@Larrylurex-gh5kb]

@@causaldatascience 해당영상 잘 봤습니다 너무 감사드립니다!

[@whitelee5270]

좋은 설명 감사합니다~

[@포도는포도]

좋은 강의 감사드립니다!! DID 설명중에 가장 이해하기 쉬운 내용인 것 같습니다 bb

[@ek_tango]

쉽게 설명해주셔서 감사합니다.

[@eunsukim-qh8lc]

안녕하세요 교수님. Tcounterfactual이 그럼 무엇이라고 정의할 수 있는걸까요? Tcounterfactual에 대해 정확하게 이해가 가지않아서 댓글남깁니다. 감사합니다!

[@causaldatascience]

DID 에서 T_counterfactual 은 '처치를 받은 사람들이 만약 처치를 받지 않았다면 어땠을까?'에 대한 답이라고 볼 수 있습니다. 즉, 처치집단에서의 처치 이후의 결과를 T_post 라고 한다면, 처치집단이 만약 이런 처치를 받지 않았다면 있었을 잠재적인 결과를 T_counterfactual 로 정의할 수 있을 것입니다.