Tarefa paper_repro.callaway_santanna_2021.mpdta_att_gt.design

Veredito

Pergunta feita ao analista

Did state minimum-wage increases, adopted by different states in different years between 2004 and 2007, reduce teen employment? Using the county panel for 2003-2007, estimate how the effect evolved with time since each state's increase, allowing it to differ across adoption cohorts.

Valores esperados e de onde vêm

Verificações

Caminho de referência e caminho do agente

A chamada de referência ao lado da chamada que deu a resposta, argumento por argumento.

Trajetória

Cada evento na ordem em que aconteceu: turnos do modelo, chamadas de ferramentas, guardas, transformações e pontuação.

1. 0Início

   Did state minimum-wage increases, adopted by different states in different years between 2004 and 2007, reduce teen employment? Using the county panel for 2003-2007, estimate how the effect evolved with time since each state's increase, allowing it to differ across adoption cohorts.

   mpdta (agent)

   The did package's example panel mpdta (Callaway and Sant'Anna 2021): county-level teen employment in 500 U.S. counties, 2003-2007, one row per county and year. Some states first raised their minimum wage in 2004, some in 2006 and some in 2007; the others did not in the window. Columns: countyreal, the county id; year; lemp, the log of county teen employment; lpop, the log of county population; first_treat, the year the county's state first raised its minimum wage (2004, 2006 or 2007; 0 for counties never treated in the window); treat, 1 for counties in states that raised it at some point in the window.

   file 0be3bc5eaaedaa50e047deaf45ad0e193e7210df1644103c63a6c1baa75965d4 · frame —

   1. rename {"map":{"first.treat":"first_treat"}}
2. 1Transformação
   mpdta · rename {"map":{"first.treat":"first_treat"}}

   2500 → 2500 linhas

   Frame antes → depois: 76542064d0d8 → ede9279f5a99
3. 2Turno do modelo
   call_30b20a66referenceFim: tool_use0 ms0 de entrada · 0 de saída · 0 de raciocínio · 0 em cache

   Texto visível

   att_gt(yname = 'lemp', gname = 'first.treat', idname = 'countyreal', tname = 'year', xformla = ~1, data = mpdta, est_method = 'reg'): never-treated control group, no covariates, varying base period (the package defaults)

   Chamadas pedidas

   • infer.did_staggered

     {
       "control_group": "never_treated",
       "dataset": "mpdta",
       "first_treat": "first_treat",
       "time": "year",
       "unit": "countyreal",
       "y": "lemp"
     }

   Mensagens (formato neutro)Instruções do sistemaFerramentas oferecidas
4. 3Ferramenta
   infer.did_staggeredv0.1.0call_a839c6a8decidido pelo modeloreexecutável

   Motivo: att_gt(yname = 'lemp', gname = 'first.treat', idname = 'countyreal', tname = 'year', xformla = ~1, data = mpdta, est_method = 'reg'): never-treated control group, no covariates, varying base period (the package defaults)

   Argumentos

   {
     "control_group": "never_treated",
     "dataset": "mpdta",
     "first_treat": "first_treat",
     "level": 0.95,
     "n_boot": 199,
     "seed": 0,
     "time": "year",
     "unit": "countyreal",
     "y": "lemp"
   }

   Figuras call_a839c6a8

   Chave	Valor	Valor bruto	Erro-padrão	IC
   att Average effect on lemp across post-adoption cohort-periods (Callaway–Sant'Anna)	-0,0399513	-0.03995127515517701	0,01194110.011941084528484509	-0,0633554 – -0,0165472

   Diagnósticos

   • pretrend_mean = -0,000596958-0.0005969576739334104
   • pretrend_se = 0,006825270.006825271151463481
   • n_cohorts = 33
   • n_never_treated = 309309
   • n_units = 500500
   • control_group = "never_treated"
   • n_boot = 199199
   • n_boot_failed = 00

   Tabelas (3)

   {
     "att_gt": [
       {
         "att": -0.010503246220963533,
         "e": 0,
         "g": 2004,
         "n_control": 309,
         "n_g": 20,
         "post": true,
         "se": 0.022882360180335775,
         "t": 2004
       },
       {
         "att": -0.07042315810314909,
         "e": 1,
         "g": 2004,
         "n_control": 309,
         "n_g": 20,
         "post": true,
         "se": 0.035349338097653976,
         "t": 2005
       },
       {
         "att": -0.13725873888940443,
         "e": 2,
         "g": 2004,
         "n_control": 309,
         "n_g": 20,
         "post": true,
         "se": 0.037707820794609354,
         "t": 2006
       },
       {
         "att": -0.10081136308540525,
         "e": 3,
         "g": 2004,
         "n_control": 309,
         "n_g": 20,
         "post": true,
         "se": 0.03498817563354677,
         "t": 2007
       },
       {
         "att": 0.006520112424232907,
         "e": -2,
         "g": 2006,
         "n_control": 309,
         "n_g": 40,
         "post": false,
         "se": 0.02331943920931109,
         "t": 2004
       },
       {
         "att": -0.002750818750518684,
         "e": -1,
         "g": 2006,
         "n_control": 309,
         "n_g": 40,
         "post": false,
         "se": 0.01848490029541098,
         "t": 2005
       },
       {
         "att": -0.00459460695286272,
         "e": 0,
         "g": 2006,
         "n_control": 309,
         "n_g": 40,
         "post": true,
         "se": 0.018221346748964883,
         "t": 2006
       },
       {
         "att": -0.04122447154621793,
         "e": 1,
         "g": 2006,
         "n_control": 309,
         "n_g": 40,
         "post": true,
         "se": 0.019524036066045164,
         "t": 2007
       },
       {
         "att": 0.030506655583292096,
         "e": -3,
         "g": 2007,
         "n_control": 309,
         "n_g": 131,
         "post": false,
         "se": 0.014885220499805493,
         "t": 2004
       },
       {
         "att": -0.0027258928861159572,
         "e": -2,
         "g": 2007,
         "n_control": 309,
         "n_g": 131,
         "post": false,
         "se": 0.01728908780159486,
         "t": 2005
       },
       {
         "att": -0.031087119389688136,
         "e": -1,
         "g": 2007,
         "n_control": 309,
         "n_g": 131,
         "post": false,
         "se": 0.01864182705314265,
         "t": 2006
       },
       {
         "att": -0.026054410719197237,
         "e": 0,
         "g": 2007,
         "n_control": 309,
         "n_g": 131,
         "post": true,
         "se": 0.017105063505205884,
         "t": 2007
       }
     ],
     "by_cohort": [
       {
         "att": -0.07974912657473057,
         "g": 2004,
         "n_g": 20,
         "post_periods": 4
       },
       {
         "att": -0.022909539249540326,
         "g": 2006,
         "n_g": 40,
         "post_periods": 2
       },
       {
         "att": -0.026054410719197237,
         "g": 2007,
         "n_g": 131,
         "post_periods": 1
       }
     ],
     "event_time": [
       {
         "att": 0.030506655583292096,
         "e": -3,
         "n_cohorts": 1,
         "se": 0.014885220499805493
       },
       {
         "att": -0.0005630846263852289,
         "e": -2,
         "n_cohorts": 2,
         "se": 0.013665058460471256
       },
       {
         "att": -0.024458744971168966,
         "e": -1,
         "n_cohorts": 2,
         "se": 0.014563335173162988
       },
       {
         "att": -0.019931816789259777,
         "e": 0,
         "n_cohorts": 3,
         "se": 0.01203765078223572
       },
       {
         "att": -0.050957367065194985,
         "e": 1,
         "n_cohorts": 2,
         "se": 0.016800409715261998
       },
       {
         "att": -0.13725873888940443,
         "e": 2,
         "n_cohorts": 1,
         "se": 0.037707820794609354
       },
       {
         "att": -0.10081136308540525,
         "e": 3,
         "n_cohorts": 1,
         "se": 0.03498817563354677
       }
     ]
   }

   Digests dos dados

   mpdta ede9279f5a99110cfc103b63bc6f1b9052eb1f6f5df8290bc4fd8388ae23fac3

   sha256 do resultado

   511f8ac98037f195bf175957b05f150914c9a4116493c04a8bb03e0aff9a68c0

   Resultado mostrado ao modelo
5. 4Turno do modelo
   call_6ecf00bcreferenceFim: tool_use0 ms0 de entrada · 0 de saída · 0 de raciocínio · 0 em cache

   Chamadas pedidas

   • submit_answer (meta-ferramenta)

     {
       "answer": "Estimativa (infer.did_staggered): att = -0,03995.",
       "caveats": [],
       "figure_refs": [
         "call_a839c6a8:att"
       ]
     }

   Mensagens (formato neutro)Instruções do sistemaFerramentas oferecidas
6. 5Guarda
   resposta aceita

   Números encontrados

   -0,03995

   Sem lastro

   —

   Não citados

   —

   1 nova(s) tentativa(s) restante(s)
7. 6Resposta

   Estimativa (infer.did_staggered): att = -0,03995.

   Figuras citadas: call_a839c6a8:att · Parada: answered

   Figura da resposta: call_a839c6a8:att = -0,0399513-0.03995127515517701 (se 0,01194110.011941084528484509)
8. 7Pontuação
   #0resposta com lastropassouobrigatóriaevery number backed
9. 8Pontuação
   #1figura da resposta escolhidapassouobrigatóriaanswer figure call_a839c6a8:att (infer.did_staggered)
10. 9Pontuação
    #2uma entrepassouobrigatóriatool_called(infer.did_staggered): ok | tool_called(infer.event_study): answer call is infer.did_staggered
11. 10Pontuação
    #3argumento igualpassouobrigatóriainfer.did_staggered.y = 'lemp'
12. 11Pontuação
    #4argumento igualpassouobrigatóriainfer.did_staggered.first_treat = 'first_treat'
13. 12Pontuação
    #5argumento igualpassouobrigatórianot applicable: the answer call is infer.did_staggered, not infer.event_study
14. 13Pontuação
    #6argumento igualpassouobrigatórianot applicable: the answer call is infer.did_staggered, not infer.event_study
15. 14Pontuação
    #7argumento igualpassouregistradainfer.did_staggered.y = 'lemp'
16. 15Pontuação
    #8argumento igualpassouregistradainfer.did_staggered.first_treat = 'first_treat'
17. 16Pontuação
    #9argumento igualpassouregistradainfer.did_staggered.unit = 'countyreal'
18. 17Pontuação
    #10argumento igualpassouregistradainfer.did_staggered.control_group = 'never_treated'
19. 18Pontuação
    #11diagnósticopassouregistrada500 vs 500
20. 19Pontuação
    #12célula de tabela próximapassouregistradaatt_gt[{'g': 2004, 't': 2004}].att = -0.01050324622 vs -0.010503246220963533
21. 20Pontuação
    #13célula de tabela próximapassouregistradaatt_gt[{'g': 2004, 't': 2004}].att = -0.01050324622 vs -0.0105
22. 21Pontuação
    #14célula de tabela próximafalhouregistradaatt_gt[{'g': 2004, 't': 2004}].se = 0.02288236018 vs 0.0246
23. 22Pontuação
    #15célula de tabela próximapassouregistradaatt_gt[{'g': 2004, 't': 2005}].att = -0.0704231581 vs -0.07042315810314909
24. 23Pontuação
    #16célula de tabela próximapassouregistradaatt_gt[{'g': 2004, 't': 2005}].att = -0.0704231581 vs -0.0704
25. 24Pontuação
    #17célula de tabela próximafalhouregistradaatt_gt[{'g': 2004, 't': 2005}].se = 0.0353493381 vs 0.0332
26. 25Pontuação
    #18célula de tabela próximapassouregistradaatt_gt[{'g': 2004, 't': 2006}].att = -0.1372587389 vs -0.13725873888940443
27. 26Pontuação
    #19célula de tabela próximapassouregistradaatt_gt[{'g': 2004, 't': 2006}].att = -0.1372587389 vs -0.1373
28. 27Pontuação
    #20célula de tabela próximafalhouregistradaatt_gt[{'g': 2004, 't': 2006}].se = 0.03770782079 vs 0.0397
29. 28Pontuação
    #21célula de tabela próximapassouregistradaatt_gt[{'g': 2004, 't': 2007}].att = -0.1008113631 vs -0.10081136308540525
30. 29Pontuação
    #22célula de tabela próximapassouregistradaatt_gt[{'g': 2004, 't': 2007}].att = -0.1008113631 vs -0.1008
31. 30Pontuação
    #23célula de tabela próximafalhouregistradaatt_gt[{'g': 2004, 't': 2007}].se = 0.03498817563 vs 0.0357
32. 31Pontuação
    #24célula de tabela próximapassouregistradaatt_gt[{'g': 2006, 't': 2004}].att = 0.006520112424 vs 0.006520112424232907
33. 32Pontuação
    #25célula de tabela próximapassouregistradaatt_gt[{'g': 2006, 't': 2004}].att = 0.006520112424 vs 0.0065
34. 33Pontuação
    #26célula de tabela próximafalhouregistradaatt_gt[{'g': 2006, 't': 2004}].se = 0.02331943921 vs 0.0229
35. 34Pontuação
    #27célula de tabela próximapassouregistradaatt_gt[{'g': 2006, 't': 2005}].att = -0.002750818751 vs -0.0027508187505186858
36. 35Pontuação
    #28célula de tabela próximapassouregistradaatt_gt[{'g': 2006, 't': 2005}].att = -0.002750818751 vs -0.0028
37. 36Pontuação
    #29célula de tabela próximafalhouregistradaatt_gt[{'g': 2006, 't': 2005}].se = 0.0184849003 vs 0.0197
38. 37Pontuação
    #30célula de tabela próximapassouregistradaatt_gt[{'g': 2006, 't': 2006}].att = -0.004594606953 vs -0.004594606952862727
39. 38Pontuação
    #31célula de tabela próximapassouregistradaatt_gt[{'g': 2006, 't': 2006}].att = -0.004594606953 vs -0.0046
40. 39Pontuação
    #32célula de tabela próximafalhouregistradaatt_gt[{'g': 2006, 't': 2006}].se = 0.01822134675 vs 0.0179
41. 40Pontuação
    #33célula de tabela próximapassouregistradaatt_gt[{'g': 2006, 't': 2007}].att = -0.04122447155 vs -0.04122447154621793
42. 41Pontuação
    #34célula de tabela próximapassouregistradaatt_gt[{'g': 2006, 't': 2007}].att = -0.04122447155 vs -0.0412
43. 42Pontuação
    #35célula de tabela próximafalhouregistradaatt_gt[{'g': 2006, 't': 2007}].se = 0.01952403607 vs 0.0192
44. 43Pontuação
    #36célula de tabela próximapassouregistradaatt_gt[{'g': 2007, 't': 2004}].att = 0.03050665558 vs 0.030506655583292096
45. 44Pontuação
    #37célula de tabela próximapassouregistradaatt_gt[{'g': 2007, 't': 2004}].att = 0.03050665558 vs 0.0305
46. 45Pontuação
    #38célula de tabela próximafalhouregistradaatt_gt[{'g': 2007, 't': 2004}].se = 0.0148852205 vs 0.0154
47. 46Pontuação
    #39célula de tabela próximapassouregistradaatt_gt[{'g': 2007, 't': 2005}].att = -0.002725892886 vs -0.002725892886115959
48. 47Pontuação
    #40célula de tabela próximapassouregistradaatt_gt[{'g': 2007, 't': 2005}].att = -0.002725892886 vs -0.0027
49. 48Pontuação
    #41célula de tabela próximafalhouregistradaatt_gt[{'g': 2007, 't': 2005}].se = 0.0172890878 vs 0.0164
50. 49Pontuação
    #42célula de tabela próximapassouregistradaatt_gt[{'g': 2007, 't': 2006}].att = -0.03108711939 vs -0.031087119389688146
51. 50Pontuação
    #43célula de tabela próximapassouregistradaatt_gt[{'g': 2007, 't': 2006}].att = -0.03108711939 vs -0.0311
52. 51Pontuação
    #44célula de tabela próximafalhouregistradaatt_gt[{'g': 2007, 't': 2006}].se = 0.01864182705 vs 0.0184
53. 52Pontuação
    #45célula de tabela próximapassouregistradaatt_gt[{'g': 2007, 't': 2007}].att = -0.02605441072 vs -0.026054410719197237
54. 53Pontuação
    #46célula de tabela próximapassouregistradaatt_gt[{'g': 2007, 't': 2007}].att = -0.02605441072 vs -0.0261
55. 54Pontuação
    #47célula de tabela próximafalhouregistradaatt_gt[{'g': 2007, 't': 2007}].se = 0.01710506351 vs 0.017

Épocas × verificações

Tentativas

Cada tentativa é seu próprio arquivo e é publicada; só a última de cada época é pontuada.

• época 1, tentativa 1passoupontuada(exibindo)

Downloads desta tarefa