클러스터 잭나이프를 활용한 CSDID 추정의 혁신적 추론 개선

초록

본 논문은 전통적인 차분‑차분(DiD) 방법과 마찬가지로 CSDID 추정에서도 군집이 적거나 처리군이 적을 때 과도한 재현율(over‑rejection) 문제가 발생한다는 점을 확인하고, 클러스터 잭나이프(cluster jackknife) 기법을 도입해 표준오차를 보정함으로써 추론 정확성을 크게 향상시킨다. Stata와 R용 패키지를 제공해 실무 적용을 용이하게 한다.

상세 분석

본 연구는 Callaway‑Sant’Anna(2021)의 CSDID 추정량이 “staggered adoption” 상황에서 일관성은 확보하지만, 군집 내 상관과 군집 수가 제한적일 때 기존의 클러스터‑강건 표준오차(cluster‑robust SE)와 wild‑cluster bootstrap이 여전히 과도한 1‑형 오류를 유발한다는 점을 실증·시뮬레이션을 통해 명확히 보여준다. 특히, 처리군이 적은 경우(예: 한두 개의 treated cluster)와 군집 규모가 크게 불균형한 경우에 문제가 심화된다. 이러한 한계를 극복하기 위해 저자들은 클러스터 잭나이프를 CSDID에 직접 적용하는 방법을 제안한다. 잭나이프는 각 군집을 하나씩 제외하면서 추정량을 재계산하고, 이들 재계산값의 변동성을 이용해 표준오차를 추정한다. 이 과정은 기존의 클러스터‑강건 SE가 요구하는 대규모 군집 가정 없이도 일관적인 추정량을 제공한다. 시뮬레이션 결과는 다양한 DGP(데이터 생성 과정)와 군집 구조(군집 수, 군집 크기 불균형, 처리군 비율)에서 제안된 잭나이프 표준오차가 실제 5% 유의수준을 정확히 유지하며, 기존 방법에 비해 평균 제곱오차가 현저히 낮음을 보여준다. 또한, 잭나이프는 “few treated clusters” 문제를 완전히 해결하지는 못하지만, 오차 범위를 크게 축소시켜 실무 연구자가 보다 신뢰할 수 있는 추론을 수행하도록 돕는다. 저자들은 Stata용 csdidjack과 R용 didjack 패키지를 공개하여, 연구자가 복잡한 코딩 없이도 손쉽게 클러스터 잭나이프 SE를 적용할 수 있게 하였다. 이와 같은 도구 제공은 CSDID 기반 정책 평가 연구의 확산에 기여할 것으로 기대된다.