Tarefa paper_repro.callaway_santanna_2021.mpdta_event_time.agent

Veredito

Pergunta feita ao analista

Callaway and Sant'Anna (2021), 'Difference-in-Differences with Multiple Time Periods', as in the did package's documented example on its county panel (2003-2007): estimate the group-time average treatment effects of a state minimum-wage increase on log county teen employment, using the never-treated counties as the comparison group, no covariates and the package's default (varying) base period, and aggregate them by time since adoption into the event-study (dynamic) effects, from three periods before adoption to three after, weighting the cohorts by their size. Report the dynamic effects.

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

   Callaway and Sant'Anna (2021), 'Difference-in-Differences with Multiple Time Periods', as in the did package's documented example on its county panel (2003-2007): estimate the group-time average treatment effects of a state minimum-wage increase on log county teen employment, using the never-treated counties as the comparison group, no covariates and the package's default (varying) base period, and aggregate them by time since adoption into the event-study (dynamic) effects, from three periods before adoption to three after, weighting the cohorts by their size. Report the dynamic effects.

   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_a935a32creferenceFim: 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_3a3ef84cdecidido 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_3a3ef84c

   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

   4fe1d8f7e70142ad17843c2d9fc1b43ec0c67a80384813e4abd4967e4046dcf3

   Resultado mostrado ao modelo
5. 4Turno do modelo
   call_830450f6referenceFim: 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_3a3ef84c: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_3a3ef84c:att · Parada: answered

   Figura da resposta: call_3a3ef84c:att = -0,0399513-0.03995127515517701 (se 0,01194110.011941084528484509)
8. 7Pontuação
   #0resposta com lastropassouobrigatóriaevery number backed
9. 8Pontuação
   #1figura da resposta escolhidapassouobrigatóriaanswer figure call_3a3ef84c:att (infer.did_staggered)
10. 9Pontuação
    #2ferramenta chamadapassouobrigatóriaanswer 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 igualpassouobrigatóriainfer.did_staggered.unit = 'countyreal'
14. 13Pontuação
    #6argumento igualpassouobrigatóriainfer.did_staggered.control_group = 'never_treated'
15. 14Pontuação
    #7diagnósticopassouobrigatória500 vs 500
16. 15Pontuação
    #8célula de tabela próximapassouobrigatóriaevent_time[{'e': -3}].att = 0.03050665558 vs 0.030506655583292096
17. 16Pontuação
    #9célula de tabela próximapassouregistradaevent_time[{'e': -3}].att = 0.03050665558 vs 0.0305
18. 17Pontuação
    #10célula de tabela próximafalhouregistradaevent_time[{'e': -3}].se = 0.0148852205 vs 0.0154
19. 18Pontuação
    #11célula de tabela próximapassouobrigatóriaevent_time[{'e': -2}].att = -0.0005630846264 vs -0.0005630846263852302
20. 19Pontuação
    #12célula de tabela próximapassouregistradaevent_time[{'e': -2}].att = -0.0005630846264 vs -0.0006
21. 20Pontuação
    #13célula de tabela próximafalhouregistradaevent_time[{'e': -2}].se = 0.01366505846 vs 0.0132
22. 21Pontuação
    #14célula de tabela próximapassouobrigatóriaevent_time[{'e': -1}].att = -0.02445874497 vs -0.024458744971168973
23. 22Pontuação
    #15célula de tabela próximapassouregistradaevent_time[{'e': -1}].att = -0.02445874497 vs -0.0245
24. 23Pontuação
    #16célula de tabela próximafalhouregistradaevent_time[{'e': -1}].se = 0.01456333517 vs 0.0153
25. 24Pontuação
    #17célula de tabela próximapassouobrigatóriaevent_time[{'e': 0}].att = -0.01993181679 vs -0.01993181678925978
26. 25Pontuação
    #18célula de tabela próximapassouregistradaevent_time[{'e': 0}].att = -0.01993181679 vs -0.0199
27. 26Pontuação
    #19célula de tabela próximafalhouregistradaevent_time[{'e': 0}].se = 0.01203765078 vs 0.0123
28. 27Pontuação
    #20célula de tabela próximapassouobrigatóriaevent_time[{'e': 1}].att = -0.05095736707 vs -0.050957367065194985
29. 28Pontuação
    #21célula de tabela próximapassouregistradaevent_time[{'e': 1}].att = -0.05095736707 vs -0.051
30. 29Pontuação
    #22célula de tabela próximafalhouregistradaevent_time[{'e': 1}].se = 0.01680040972 vs 0.0167
31. 30Pontuação
    #23célula de tabela próximapassouobrigatóriaevent_time[{'e': 2}].att = -0.1372587389 vs -0.13725873888940443
32. 31Pontuação
    #24célula de tabela próximapassouregistradaevent_time[{'e': 2}].att = -0.1372587389 vs -0.1373
33. 32Pontuação
    #25célula de tabela próximafalhouregistradaevent_time[{'e': 2}].se = 0.03770782079 vs 0.0413
34. 33Pontuação
    #26célula de tabela próximapassouobrigatóriaevent_time[{'e': 3}].att = -0.1008113631 vs -0.10081136308540525
35. 34Pontuação
    #27célula de tabela próximapassouregistradaevent_time[{'e': 3}].att = -0.1008113631 vs -0.1008
36. 35Pontuação
    #28célula de tabela próximafalhouregistradaevent_time[{'e': 3}].se = 0.03498817563 vs 0.0351

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