En règle générale, vous tracez les moyennes des variables de résultats pour votre groupe de traitement et de contrôle au fil du temps. Donc, le groupe témoin ici est naturellement tous ceux qui n'ont pas reçu le traitement tandis que le groupe de traitement sont ceux qui reçoivent n'importe quelle intensité du traitement. Cela a été fait par exemple dans cette présentation (diapositives 25 et 26, l'équation de régression est sur la diapositive 27).
Si vous voulez montrer les tendances parallèles selon l'intensité du traitement, il existe différentes façons de le faire et, en fin de compte, cela se résume simplement à la façon dont vous souhaitez les diviser. Par exemple, vous pouvez tracer le résultat pour les unités traitées dans les 10% supérieurs, la moyenne et les 90% de la distribution d'intensité du traitement. Cependant, j'ai rarement vu cela se faire dans la pratique, mais je pense que c'est un exercice significatif.
Pour estimer le temps de disparition du traitement, vous pouvez suivre Autor (2003) . Il inclut les pistes et les retards du traitement comme dans
où il dispose de données sur chaque individu , dans l'état à temps , sont des effets fixes d'état, sont des effets fixes de temps, et sont des commandes individuelles. Les retards du traitement estiment l'effet de disparition de
Yist=γs+λt+∑m=0Mβ−mDs,t−m+∑k=1Kβ+kDs,t+k+X′istπ+ϵist
istγλXmm=0, c'est-à-dire la période de traitement. Vous pouvez visualiser cela en traçant les coefficients des décalages dans le temps:
Le graphique se trouve à la page 26 de son article. La bonne chose à ce sujet est qu'il trace également les bandes de confiance (lignes verticales) pour chaque coefficient afin que vous puissiez voir quand l'effet est réellement différent de zéro. Dans cette application, il semble qu'il y ait un effet à long terme du traitement au cours de la deuxième année, même si l'effet global du traitement augmente d'abord puis reste stable (quoique de manière insignifiante).
Vous pouvez faire de même avec les leads. Cependant, ceux-ci doivent être insignifiants car sinon cela suggère un comportement d'anticipation par rapport au traitement et donc le statut du traitement peut ne plus être exogène.k