FEDS: DiD-Methoden kontextabhängig, keine dominiert
FEDS-Ökonomen bewerten 13 Difference-in-Differences-Methoden mittels über 134.000 Placebo-Studien. Keine Methode dominiert, die Performance ist kontextabhängig.
Kontext schlägt Universalität
Forscher stehen vor der Wahl der besten Difference-in-Differences (DiD)-Methode.
Eine neue FEDS-Studie von John Coglianese und Jade A. Fang bewertet 13 gängige Schätzer anhand von über 134.000 Placebo-Event-Studien auf Staatsebene.
Das zentrale Ergebnis: Keine einzelne Methode dominiert universell.
Die Performance ist stark kontextabhängig; synthetische Kontrollmethoden können sowohl besser als auch schlechter abschneiden als Two-Way-Fixed-Effects- (TWFE) oder Matching-Methoden.
Auch die Performance variiert zwischen den Staaten mindestens so stark wie zwischen den Schätzern.
Die Autoren betonen die Notwendigkeit für Praktiker, Placebo-Tests durchzuführen, um die Methodenleistung im jeweiligen Forschungskontext zu verstehen und eine fundierte Wahl zu treffen.
Placebo-Tests als Realitäts-Check
Traditionell wurden DiD-Schätzer oft mittels TWFE-Regressionen angewendet, doch die Literatur zeigt Probleme in gestaffelten Einführungsszenarien auf.
Die Studie nutzt Placebo-Tests, um die empirische Leistung verschiedener DiD-Schätzer zu bewerten.
Dabei werden Event-Studien wiederholt über Tausende zufällig gewählter 'Ereignisse' durchgeführt und aggregiert, um die Effizienz der Schätzer zu beurteilen.
Placebo-Tests sind vorteilhaft, da sie reale Daten nutzen und somit strenge Annahmen über den Datengenerierungsprozess umgehen, die Monte-Carlo-Simulationen erfordern.
Sie ergänzen ökonometrische Theorie und Simulationen, indem sie eine direkte Bewertung der Schätzerleistung unter realen Bedingungen ermöglichen.
Ein Weckruf für Praktiker
Diese Studie ist ein wichtiger Beitrag zur angewandten Mikroökonomie, da sie die Komplexität der Methodenwahl in der Praxis beleuchtet.
Sie widerlegt die Annahme einer universell überlegenen DiD-Methode und unterstreicht die Bedeutung kontextspezifischer Validierung.
Für Forscher bedeutet dies, dass die sorgfältige Durchführung von Placebo-Tests entscheidend ist, um die Robustheit ihrer kausalen Schlussfolgerungen zu gewährleisten.