Valid Inference when Testing Violations of Parallel Trends for Difference-in-Differences

技术摘要：在检验双重差分法平行趋势违背时的有效推断

问题陈述
双重差分法（DID）设计是在存在未测量混淆因素时估计因果效应的主要策略，其核心依赖于平行趋势假设。尽管该假设在处理后时期是反事实且不可检验的，但研究人员通常会检查处理前时期以排查趋势违背。然而，近期文献（例如 Freyaldenhoven, Hansen, 和 Shapiro, 2019；Roth, 2022）表明，使用常规的事前检验来验证平行趋势，会导致后续推断出现严重的统计缺陷，包括偏差、低统计功效以及置信区间的覆盖率不足。应用研究人员面临两难困境：事前检验在直觉上对于评估研究设计的合理性是必要的，但一旦以这些检验的结果为条件，标准统计方法便会失效。

方法论
作者通过引入一个新假设并推导相应的推断程序，将事前检验的隐含逻辑形式化。

1. 条件外推假设：
   核心理论贡献是“条件外推假设”。不同于经典的平行趋势假设（假设违背为零）或部分识别假设（无条件地假设处理前违背对处理后违背构成界限），该假设提出了一种条件关系：

   • 如果处理前平行趋势违背的严重程度（$S_{pre}$）低于预设的可接受阈值（$M$），那么处理后违背的严重程度（$S_{post}$）受 $S_{pre}$ 限制（即 $S_{post} \leq S_{pre}$）。
   • 如果 $S_{pre} > M$，则无法证明对 $S_{post}$ 的任何界限是合理的，此时 DID 设计被视为不适当。
     此处，严重程度被定义为迭代平行趋势违背（$R(t)$）的 $L_p$ 范数。

2. 事前检验：
   作者提出了一种简单的事前检验，以确定外推条件是否成立（$S_{pre} \leq M$）。检验统计量是处理前违背的估计严重程度（$\hat{S}_{pre}$）。如果 $\hat{S}_{pre} \geq M$，则检验拒绝外推条件。

   • 渐近一致性： 在“分离条件”下，该检验被证明具有渐近一致性。具体而言，如果真实的 $S_{pre}$ 与阈值 $M$ 被序列 $s_n$ 分离，其中 $s_n = \omega(n^{-1/2})$，则随着样本量 $n \to \infty$，第一类错误和第二类错误均趋于消失。这与寻求在固定第一类错误水平下最小化第二类错误的常规假设检验不同；相反，该检验优先考虑在良好分离情形下的一致性。

3. 条件有效置信区间：
   如果事前检验通过（即宣布外推条件成立），作者构建了处理组平均处理效应（ATT）的置信区间。

   • 结构： 该区间以标准 DID 估计量（$\hat{\tau}_{DD}$）为中心，但进行了膨胀以考虑潜在的偏差。区间宽度包含两个部分：
     1. 偏差项：$\kappa \cdot \hat{S}_{pre}$，其中 $\kappa$ 是由处理后时期长度和 $p$-范数选择导出的常数。该项代表了由命题 3.1 导出的偏差尖锐上界。
     2. 统计波动项：$f(\alpha, \hat{\Sigma}) / \sqrt{n}$，用于解释 DID 估计量和严重程度估计量的联合不确定性。
   • 有效性： 定理 5.1 确立，只要数据生成过程满足分离条件，这些区间在事前检验通过的事件条件下，能够实现名义覆盖率（$1-\alpha$）。

主要结果

• 一致性： 所提出的事前检验在渐近意义上对于分离那些处理前违背严重程度与阈值 $M$ 充分远离的假设具有一致性。
• 条件覆盖率： 所提出的置信区间在通过检验的条件下提供有效的覆盖率。这解决了常规方法在通过标准事前检验后作为条件所导致的覆盖率不足问题。
• 区间宽度行为： 置信区间的宽度按 $\max(S_{pre}, n^{-1/2})$ 缩放。
  • 如果处理前违背“存在但可忽略”（阶数为 $n^{-1/2}$），区间宽度以标准参数速率（$n^{-1/2}$）收敛。
  • 如果违背不可忽略（阶数为 $O(1)$），区间宽度保持恒定，反映了持续的偏差界限。
• 有效报告概率： 定理 5.2 表明，在良好分离的原假设下，检验通过且区间包含真实效应（即有效报告）的联合概率也收敛至名义水平。

实证说明
作者通过以下方式验证了其方法：

1. 合成模拟： 证明了当外推条件成立时，其区间的条件覆盖率保持在名义水平，而常规区间则出现覆盖率不足。模拟还展示了区间宽度如何随处理前时期数量（$T_{pre}$）和严重程度参数（$p$）进行缩放。
2. 越南再集权化数据： 重新分析了 Malesky, Nguyen, 和 Tran (2014) 的研究。事前检验正确地拒绝了具有严重处理前趋势违背（农业中心）结果的推外条件，从而避免了无效推断，同时为具有轻微违背的结果提供了更宽但有效的区间。
3. 拥枪法（弗吉尼亚州/马里兰州）： 一个半合成示例，比较了迭代违背与总体违背。结果强调，违背度量指标的选择（迭代 $R(t)$ 与总体 $\Delta(t)$）以及阈值 $M$ 的选择，显著影响外推条件是否被接受以及由此产生的区间宽度。

意义与主张
本文声称提供了第一个形式化的假设（条件外推），该假设要求必须进行事前检验，从而为一种常见的实证做法提供了理论依据，而该方法此前已被证明会破坏标准推断。

• 形式化： 它将研究人员在观察到“可接受”的处理前趋势后才决定继续进行 DID 分析时所做出的隐含假设形式化。
• 补救措施： 它通过提供在检验结果作为条件后仍然有效的推断程序，为“事前检验悖论”提供了解决方案，前提是满足分离条件。
• 适度性： 作者承认，条件外推假设与平行趋势假设本身一样，是反事实且不可检验的。他们并不声称要验证该假设，而是提供一个框架，即如果该假设成立且处理前违背足够小（与阈值分离），则可能进行有效推断。他们指出，其结果依赖于分离条件，这意味着对于违背任意接近阈值 $M$ 的情况，推断并不保证有效。

文章最后建议，未来的工作可以将这些程序扩展到交错采用设计和替代识别策略，但强调当前的贡献是对块状采用 DID 设计中事前检验背后逻辑的形式化。