HonestDiD: Package Untuk membuat sensitivity Analisis DID
E-book: Analisis Data Penelitian Menggunakan SPSS: Langkah Praktis dan Studi Kasus
Rp 30.000
Informasi Lengkap[sitemap]
HonestDiD: Package Untuk membuat sensitivity Analisis DID -Pada kesempatan kali ini, saya ingin berbagi tentang sebuah paket perangkat lunak yang sangat berguna bagi para peneliti dan praktisi yang tertarik dengan metode perbedaan-dalam-perbedaan (difference-in-differences) dan studi peristiwa (event study). Paket perangkat lunak ini bernama HonestDiD.
Apa itu HonestDiD?
HonestDiD adalah sebuah paket perangkat lunak yang mengimplementasikan alat untuk inferensi yang kuat dan analisis sensitivitas untuk desain perbedaan-dalam-perbedaan dan studi peristiwa yang dikembangkan oleh Rambachan dan Roth (2022). Paket ini tersedia dalam versi R dan Stata, serta aplikasi Shiny yang dikembangkan oleh Chengcheng Fang.
Mengapa HonestDiD penting?
Perbedaan-dalam-perbedaan dan studi peristiwa adalah dua metode populer untuk mengukur efek kausal dari suatu intervensi atau kebijakan. Namun, metode-metode ini memiliki beberapa asumsi penting yang seringkali tidak terpenuhi dalam praktiknya. Misalnya, asumsi bahwa kelompok perlakuan (treatment group) dan kelompok kontrol (control group) memiliki tren sebelum intervensi (pre-trends) yang sama atau paralel. Jika asumsi ini tidak terpenuhi, maka estimasi efek kausal bisa menjadi bias atau tidak akurat.
HonestDiD memberikan solusi untuk masalah ini dengan memberikan alat untuk melakukan inferensi yang kuat tanpa mengandalkan asumsi paralelitas pre-trends. Selain itu, HonestDiD juga memberikan alat untuk melakukan analisis sensitivitas untuk menguji seberapa besar bias potensial akibat adanya pre-trends yang berbeda antara kelompok perlakuan dan kontrol.
Artikel Blog Sekolah Stata di indeks Oleh Google Scholar
Akses Google ScholarCara menggunakan Honestdid di Aplikasi stata
Berikut adalah codingan dan hasil dari analisis Sensitif dengan honestdid menggunakan aplikasi stata, selamat mencoba ya sobat
------------------------------------------------------------------------------------------------------------------------------------------------------
. ssc install coefplot, replace
checking coefplot consistency and verifying not already installed...
all files already exist and are up to date.
. ssc install ftools, replace
checking ftools consistency and verifying not already installed...
all files already exist and are up to date.
. ssc install reghdfe, replace
checking reghdfe consistency and verifying not already installed...
all files already exist and are up to date.
. local github https://raw.githubusercontent.com
. net install scheme-modern, replace from(`github'/mdroste/stata-scheme-modern/master)
checking scheme-modern consistency and verifying not already installed...
all files already exist and are up to date.
. set scheme modern
.
.
. net install honestdid, from(`github'/mcaceresb/stata-honestdid/main) replace
checking honestdid consistency and verifying not already installed...
all files already exist and are up to date.
.
. local mixtape https://raw.githubusercontent.com/Mixtape-Sessions
.
. use `mixtape'/Advanced-DID/main/Exercises/Data/ehec_data.dta, clear
.
.
.
.
. * Keep years before 2016. Drop the 2016 cohort
. keep if (year < 2016) & (missing(yexp2) | (yexp2 != 2015))
(208 observations deleted)
.
. * Create a treatment dummy
. gen byte D = (yexp2 == 2014)
. gen `:type year' Dyear = cond(D, year, 2013)
.
. * Run the TWFE spec
. reghdfe dins b2013.Dyear, absorb(stfips year) cluster(stfips) noconstant
(MWFE estimator converged in 2 iterations)
HDFE Linear regression Number of obs = 344
Absorbing 2 HDFE groups F( 7, 42) = 10.15
Statistics robust to heteroskedasticity Prob > F = 0.0000
R-squared = 0.9464
Adj R-squared = 0.9357
Within R-sq. = 0.3726
Number of clusters (stfips) = 43 Root MSE = 0.0194
(Std. err. adjusted for 43 clusters in stfips)
------------------------------------------------------------------------------
| Robust
dins | Coefficient std. err. t P>|t| [95% conf. interval]
-------------+----------------------------------------------------------------
Dyear |
2008 | -.0052854 .0086536 -0.61 0.545 -.022749 .0121783
2009 | -.0112973 .0085244 -1.33 0.192 -.0285002 .0059056
2010 | -.002676 .0071078 -0.38 0.708 -.0170201 .0116681
2011 | -.0014193 .0063271 -0.22 0.824 -.0141879 .0113493
2012 | .0003397 .007391 0.05 0.964 -.0145759 .0152553
2014 | .0464469 .0091519 5.08 0.000 .0279776 .0649161
2015 | .0692062 .01035 6.69 0.000 .0483189 .0900934
------------------------------------------------------------------------------
Absorbed degrees of freedom:
-----------------------------------------------------+
Absorbed FE | Categories - Redundant = Num. Coefs |
-------------+---------------------------------------|
stfips | 43 43 0 *|
year | 8 0 8 |
-----------------------------------------------------+
* = FE nested within cluster; treated as redundant for DoF computation
.
. local plotopts ytitle("Estimate and 95% Conf. Int.") title("Effect on dins")
. coefplot, vertical yline(0) ciopts(recast(rcap)) xlabel(,angle(45)) `plotopts'
.
.
. honestdid, pre(1/5) post(7/8) mvec(0.5(0.5)2)
| M | lb | ub |
| ------- | ------ | ------ |
| . | 0.029 | 0.064 | (Original)
| 0.5000 | 0.024 | 0.067 |
| 1.0000 | 0.017 | 0.072 |
| 1.5000 | 0.008 | 0.080 |
| 2.0000 | -0.001 | 0.088 |
(method = C-LF, Delta = DeltaRM, alpha = 0.050)
.
Kesimpulan
Demikianlah posting saya tentang HonestDiD, paket perangkat lunak yang dapat membantu Anda melakukan inferensi yang kuat dan analisis sensitivitas dalam desain perbedaan-dalam-perbedaan dan studi acara. Saya harap Anda menikmati membacanya dan belajar sesuatu yang baru. Jika tidak, saya minta maaf atas waktu yang telah saya sia-siakan. Selamat mencoba paket HonestDiD dan semoga berhasil dengan penelitian Anda!
Baca Juga:
- Istilah DID: Apa itu Canonical DD, Staggered Treatment Timing, dan Violations of Pre-Trends
- Kelebihan dan Kekurangan Teknik Quasi-Eksperimen
- Analisis Perbandingan Nilai-Nilai Sosial dan Budaya Berbagai Negara menggunakan data WVS
Reference
https://econpapers.repec.org/RePEc:boc:bocode:s459138