커밋 명 week2 did으로 파일 업데이트를 했습니다.
금주에는

• 2WFE did
• 공변량이 있는 did
• dml을 이용한 did with 사전 평행 추세

에 대한 코드를 작성하였습니다.

<참고 자료>

1. 실무로 통하는 인과추론 with 파이썬
2. https://docs.doubleml.org/stable/examples/did/py_did.html
3. https://docs.doubleml.org/stable/examples/did/py_did_pretest.html
4. https://www.tidy-finance.org/python/fixed-effects-and-clustered-standard-errors.html#clustering-standard-errors

다음주에는 event study와 이중강건 이중차분법에 대한 내용을 업로드 할 계획입니다.

감사합니다.

상아님 말씀해주신 목차와 유형별 DID 장단점 내용을 코드에 반영했습니다!

감사합니다!

• DiD의 전체 개념도를 추가하여 코드를 읽을때 구조적으로 받아 들일 수 있도록 했습니다.
• DRDiD,event study,Strggered DiD 내용을 추가하였습니다.
• 코드 결과 해석도 추가하였습니다.

다음번에는 DDD와 Event study을 통해 사전평행추세를 검정하는 다양한 방법을 구현하고자 합니다.

참고로 할 논문은 Pretest with Caution: Event-Study Estimates after Testing for Parallel Trends입니다.

복구된 노트 기반으로 DDD 및 Event Study F-test 예시 추가했습니다.
dml-DiD도 동일한 데이터셋을 쓸수있도록 수정하였습니다.

감사합니다.

데이터 설명과 개념을 3.5 Doubly Robust Diff-in-Diff (DRDiD)까지 수정 및 추가했습니다.

다음에는 전체 코드 흐름을 매끄럽게 정리할 예정입니다.

참고자료 : 실무로 통하는 인과추론 with python

안녕하세요 시은님.
코드와 해석 잘 확인하였습니다. 잘 작성해주신 덕분에 DiD에 대해서 더 배울 수 있었네요. 감사합니다.
설명에서 헷갈릴 수 있는 부분이 있어 전달드립니다.

Event Study 결과 해석

• "T-검정 결과 ~ 관찰되지 않았습니다. 이는 평행추세 가정(parallel trends assumption) 이 충족되었음을 의미하며~" 와 뒤에 나오는 "F-검정 결과, 사전 13개 시점의 처치효과를 동시에 검정한 결과 F 통계량은 4.77, p-값은 0.0001 미만으로 나타나 평행추세 가정이 통계적으로 유의하게 위배되었습니다." 내용이 상충되는 것 같습니다.
• 제가 알기로는, 평행추세 가정은 처치 전 모든 시점에서 효과가 동시에 0이어야 한다는 공동 가설이고, 이를 검증하는 것은 F-검정입니다. 그리고 T-검정은 개별 시점만 볼 뿐, 이를 직접 확인하지 못하는 것으로 알고 있습니다. 따라서, T-검정에서 PTA 언급 부분을 수정하시는 것을 제안드립니다.

혹시, 제가 잘못 알고 있다면 말씀 부탁드립니다.
좋은 코드 공유해주셔서 감사합니다!