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!

소영님 리뷰해주셔서 감사합니다!ㅎㅎ

• 제가 처음에 의도한 것은 두 가지 가설 검정 방법을 통해 평행가정 추세 위반이 얼마나 달라지는 지 보이고자 했습니다. 제가 오개념을 가지고 있었습니다 ㅜ 말씀해주신것처럼 더 알아보니 t-test는 event-study에서 평행추세 가정 검정을 할 때 모든 시점에서 처치효과가 0이여야 평행추세 가정이 충족된다는 것을 알게되었습니다. 감사합니다! ㅎㅎ
• 모든 개별 시점에서 효과가 0임이 유의한지 확인하는 코드의 근거는 아래 double_ml 패키지에 있는 예시를 통해 구현한 것입니다! Double did에서도 사전평행추세 검정을 t-test하였는데 그 흐름을 잇고자 코드를 넣어두었습니다. https://docs.doubleml.org/stable/examples/did/py_did_pretest.html
• 말씀해주신 것 처럼 t-test는 개별 시점만 보긴 하나 각 시점에 대해 각각 t-test를 진행하여 모두 처치효과가 0임이 유의하게 나온다면 이또한 평행추세 검정을 할 수 있습니다.

소영님 꼼꼼히 리뷰해주셔서 감사합니다!!ㅎㅎ 말씀해주신 부분 반영하여 수정해 업로드 하겠습니다!!

straggerd DiD 설명을 추가하고 성은님께서 리뷰해주신 내용 반영해서 수정했습니다!

시은님, 답변 정말 감사합니다!
말씀해주신 doubleml 예시도 좋은 레퍼런스네요. 저도 잘 참고하겠습니다.

그리고 작성해주신 코드를 다시 검토하면서 몇가지 궁금한 점이 있어 코멘트 남깁니다.

1. 사전/사후 유의성 판정 부호 관련; plot_event_study()에서 pre 구간 분기에서
   <Pre-treatment - significant vs non-significant>
   pre_sig = pre_treat[pre_treat['pvalue'] > alpha_level]
   pre_nonsig = pre_treat[pre_treat['pvalue'] <= alpha_level]

라고 써주셨는데 아래 post_와 부호방향이 반대더라구요. p-value가 alpha보다 큰 (즉,. 유의하지 않은) 시점을 pre_sig 변수에 할당한 것 같습니다. 그래서 F-test와 T-test 결과가 달랐던 건 아닌지 검토 부탁드립니다.

2. "DML을 이용한 DID" 파트에서 작성해주신 코드를 확인했으나 제가 헷갈리는 부분이 있어서 문의 남깁니다ㅠ
   (1) 패널 키 지정(단위/시간): DoubleMLDID가 DID 구조를 인지하려면 보통 개체 키와 시간 키(예: i_col/t_col 또는 unit_col/time_col)가 필요하다고 알고 있습니다. (다른 섹션들은 statsmodels에서 C(city), C(date)로 고정효과를 공식에 직접 넣어 패널 구조를 처리하지만, DML-DID는 ML 기반 누이즈모형을 따로 학습하기 때문) 현재 예시에서 어떤 컬럼을 단위/시간으로 전달하셨는지 궁금합니다.
   (2) 제 환경에선 공변량(x_cols) 구성에 city 더미가 포함된 것으로 보였는데, 혹시 의도하신 구성인지 궁금합니다.

시은님이 작성해주신 코드 덕분에 DiD에 대해서 더 공부할 수 있었습니다.
항상 감사합니다!

소영님 리뷰 감사합니다!

• 일단 이전에 t-test와 f-test해석이 반대였던 이유는 대부분의 시점에서처치효과가 0이면 평행 추세가정이 만족되는 것으로 이해했습니다. 그런데 말씀해주신 것처럼 처치 이전 모든 시점에서 처치효과가 0이여야 해당 가정이 충족되므로 지금 수정한 해석에선 해당 내용이 반영되어 있습니다.
• 부호를 반대로 한 이유는 사전 평행 추세 가정은 다음과 같이 귀무 가설과 대립가설이 구성되어있는 것으로 알고 있습니다.
  $$H_0 : \text{처치효과} =0 \text{ vs } H_1 : \text{처치효과}!=0$$
  위의 p-values가 유의 수준보다 작으면 귀무가설을 기각할 수 있게 되고 유의미하게 처치효과가 0이 아니다라고 해석합니다.즉 평행 추세 가정이 만족되려면 처치 이전에는 처치효과가 0이여야하니 귀무가설을 기각하면 안됩니다. 즉, p-values가 유의 수준보다 커야함을 의미합니다. 따라서 평행 추세 가정을 만족하는 시점을 찾으려면 처치 이전 시점에서는 p-values가 유의수준보다 큰 시점을 찾아야 합니다. 반대로 처치 이후에는 처치효과가 0이 아닌 시점이 효과가 있다고 대립가설을 채택하는 방향 즉 귀무가설을 기각하는 시점을 찾아야합니다. 이 경우 p-value가 사전에 설정한 유의수준보다 낮아야 귀무가설을 기각할 수 있습니다.
  그래서 처치 이전 시점과 이후 시점에서 유의미한 시점을 찾는 부호가 반대입니다. 아래 f-test에서 평행추세가정이 만족되는 코드도 위와 같은 흐름입니다ㅎㅎ

if f_test.pvalue > 0.05:
        print(f"\n✓ Cannot reject H0 (p={f_test.pvalue:.4f} > 0.05)")
        print("  → Pre-treatment parallel trends assumption is satisfied")
    else:
        print(f"\n✗ Reject H0 (p={f_test.pvalue:.4f} < 0.05)")
        print("  → Pre-treatment parallel trends assumption is violated")
    print("=" * 60)

• "DML을 이용한 DID"파트는 제가 시간 변수는 지정을 해야했는데 놓친것같습니다. 해당 double-ml에서 파이썬 시간 변수를 지정하는 것 까진 확인했는데 단위부분은 따로 지정하는 파라메터를 못봐서 그냥 공변량에 추가하였습니다! 좀 더 공부해서 확인해보겠습니다!1

감사합니다 ㅎㅎ