Stata连享会

Wooldridge 证明了双向固定效应 (TWFE) 与包括单位时间均值和时间段特定横截面平均值的混合 OLS (他称之为双向 Mundlak (TWM) 回归) 的结果具有等价性。该等价意味着异质趋势的标准策略可用于放宽共同趋势假设，尤其对渐进型 DID 有效。此外，双向 Mundlak 回归也很容易适应非线性模型，例如指数模型和 logit 和 probit 模型。Stata 的命令jwdid提供了基于 TWM 法的估计结果。

通常来说，我们希望事前趋势的系数都显著的不异于 0。然后我们就得出结论，因变量的事前趋势在处理组和控制组之间是很相像的。因此，控制组是“良好的”。Roth (2022) 这篇文章告诉我们，pre-trend test 有两个问题。

Callaway and Sant'Anna (2021) 提出了一种用于识别异质性多期 DID 的新方法，该新方法适用于以下三种情形：时间分为多期；实验组受到政策冲击的时间并非同一；实验组和对照组只有在控制了协变量之后才满足平行趋势假定。下面本文将详细介绍 Callaway and Sant'Anna (2021) 提出的多期 DID 估计量，以及对应的 Stata 实操和 R 语言实操。

在连享会推文「DID偏误问题：两时期DID的双重稳健估计量(上)-drdid」中，我们介绍了对于两时期 DID 模型，双重固定效应 (TWFE) 估计 DID 处理效应可能存在的偏误问题，以及如何通过双重稳健估计方法来缓解。的双重稳健估计思路，避免了 TWFE 估计量的问题。命令也是将样本分为不同的子组 (group)，分别估计不同组别的 ATT(g)，再通过特定策略将不同组别的 ATT(g) 加总算出样本期的 ATT。加总策略原则同样也是对那些可能存在偏误组的 ATT(g)，降低它们的加总权重。...

在只满足前三个假设时，仍旧有两种估计思路可以使用：一种是结果回归法 (Outcome Regression，以下简称 OR)，另一种是基于逆倾向得分概率加权法 (Inverse Propesnity Weight Regression，以下简称 IPW)。对于双重差分模型，最为常见的是通过设定如下交叉项的形式来估计，即通过双重固定效应方式 (two-way fixed effects，TWFE) 来估计，并用估计量 来解释 ATT (下文里将 称为 TWFE 估计量)。...

在国内外学术会议上，汇报者经常使用专业的 PPT 排版软件，后来才知道这种演示文稿是使用 LaTeX 中的 Beamer 制作而成。Beamer 是 LaTeX 软件中用于制作演示文稿的拓展包，排版精美，默认行距自动对齐，所以 Beamer 相较于微软的 PPT 应用也更加广泛。本文详细介绍如何使用 Beamer 制作演示文稿。...

DID 和 SC 在现在的实证研究中占据着主导地位，但是二者的适用性不同：DID 要求处理组的个体要有很多，并且施加平行趋势假设；而在 SC 当中只有一个或者极少数个体被处理，通过对控制组个体进行加权平均来解决不满足平行趋势时的问题。...

全文阅读：DID最新进展：异质性处理条件下的双向固定效应DID估计量 (TWFEDD)| 连享会主页目录1. 简介 2. 异质性处理情况下的 TWFE 回归 2.1 TWFE 回归无法识别处理效应的凸组合 2.2 问题原因：被禁止的比较 2.3 TWFE 回归其他系数的分解结果 3. 异质性处理效应下其他稳健估计量 3.1 排除动态效应的估计量 3.2 允许动态效应的估计量 4. 总结与展望 5. 参考文献 6. 相关推文1. 简介双向固定效应 (TWFE

全文阅读：Stata：多处理时点效应估计的Bacon分解-bacondecomp| 连享会主页目录1. 简介 2. 理论、假设与识别 2.1 基本理论 2.2 识别与系数解释 3. Stata 范例 4. 相关推文1. 简介标准的 DID 通常用来估计处理组与控制组在处理前后的结果差异，然而在实践中，由于处理往往发生在不同的时间点上，研究者通常使用下式估计处理效应：其中，为截面个体效应，为时间固定效应，为个体在时刻是否接受处理哑变量。但事实上，我们对于这...

全文阅读：Stata：空间双重差分模型(Spatial DID)-xsmle| 连享会主页目录1. 模型提出 2. 模型设定 3. 模型比较 4. Stata 实现 4.1 命令介绍 4.2 具体案例 5. 参考资料 6. 相关推文1. 模型提出在对污染排放、疾病传播、房价涨跌、区域犯罪率等研究中，个体之间的空间相关性逐渐引起学者们的关注。以空气污染为例，由于大气的流动性，污染较为严重的地区会对其邻近地区的空气质量造成影响；相反，某地积极有效地实行减排措施，也可能被..

全文阅读：如何在R语言中实现多期DID| 连享会主页目录1. 简介 2. 理论背景 2.1 两期 DID 固定效应模型的问题 2.2 多期 DID 平行趋势假设 2.3 处理效应估计 3. R 语言实操 3.1 命令简介 3.2 R 程序实操 4. 参考资料 5. 相关推文  1. 简介双重差分模型 (Difference in Difference，DID) 是政策评估的常用方法。其中，经典的 DID 方法通常拥有两期 (处理前和处理后) 和两

全文阅读：https://www.lianxh.cn/news/18196c85552c9.html目录1. RDD-DID 简介 1.1 RDD 简介 1.2 DID 简介 1.3 RD+DID 简介 2. RDD-DID 分析 3. stata实例 4. 参考资料 5. 相关推文Angrist 和 Pischke 在《精通计量：从原因到结果的探寻之旅》一书中指出计量经济学研究因果推断的 “盖世五侠” 为随机实验、回归、工具变量 (IV) 、回归断点设计 (RD) 以

全文阅读：https://www.lianxh.cn/news/aa1435c753163.html目录1. 背景介绍 2. pcdid 命令 2.1 命令介绍 2.2 基本用法 2.3 返回值 2.4 兼容性问题 3. Stata 演示 4. 结束语 5. 参考资料 6. 相关推文1. 背景介绍双重差分 (Difference-in-Differences，DID) 方法是实证经济学和其他学科政策评估的主力军。其关键假设是控制组和处理组之间的趋势是平行的，..

全文阅读：https://www.lianxh.cn/news/3849f237b6d36.html目录1. DID 模型设定 1.1 因果识别思路 1.2 截面数据 vs 面板数据 1.3 常见计量模型设定 2. Stata 示例 2.1 政策实行时间一致的 DID 2.2 政策逐渐施行的 DID 2.3 平行趋势检验 3. 相关推文政策评估 (Policy Evaluation) 是当前公共经济学和劳动经济学中最常用的实证方法。其目的在于评价一项既有政策的

全文阅读：https://lianxh.cn/news/cb98eb5208c55.html目录1. 背景介绍 2. 双重差分回归估计问题 3. 两阶段双重差分 3.1 两阶段双重差分估计量 3.2 事件法研究 3.3 统计推断 4. Stata 实操 4.1 did2s 命令 4.2 具体案例 5. 结语 6. 参考资料 7. 相关推文  1. 背景介绍最近一系列文献都表明，当处理组个体接受处理的时间是交错的，而且平均处理效应随着组别以及时间发生变

全文阅读：https://www.lianxh.cn/news/a899dd2056b5b.html目录1. 相关背景 2. 剂量效应 3. stata 实例 4. 参考文献 5. 相关推文1. 相关背景一般而言，DID 的研究设计需要有部分样本被政策干扰 (处理组)，而部分没有被干扰 (对照组)。但是有些政策，特别是法律的修改，如《物权法》和《劳动保护法》等，其出台对全国范围内所有个体都有影响。那么这种一刀切的政策是否可以使用 DID 方法进行因果识别？抑或全国范围内一刀切的

全文阅读：https://www.lianxh.cn/news/0c3bece858562.html目录1. 简介 2. 理论背景 2.1 现有解决方法 2.2 灵活的条件 DID 2.3 处理组处理效应 ATT 估计 3. Stata 实操 4. 参考文献 5. 相关推文1. 简介双重差分模型 (Difference in Difference, DID) 是目前经济学界估计处理效应的主流方法之一，一般用于评估随机试验或自然实验 (例如，法律法规的调整) 的效果

原文链接：https://www.lianxh.cn/news/42611191cca93.html推介论文：Beck, Thorsten, Ross Levine, and Alexey Levkov. 2010. “Big Bad Banks? The Winners and Losers from Bank Deregulation in the United States.” Journal of Finance 65 (5): 1637–67.Link,Ross Levine 主页...

原文链接：https://www.lianxh.cn/news/73a938e236d82.html导入双重差分模型 （Difference-Differences, DID）是政策评估的非实验方法中最为常用的一种方法。本系列推文的目的是，利用模拟的方式直观的展示 Standard DID，Time-varying DID 以及其于Event Study Approach (ESA) 的结合应用。一、引言关于 DID 方法的推文已经不少了，仅连享会就推送过「Stata: 双重差分的固.

原文链接：https://www.lianxh.cn/news/49014f33b87f9.html目录1. 引言 2. 一直存在控制组个体的 Time-varyig DID Simulation: 政策效果随时间发生改变 2.1 模拟数据的生成 2.2 多种估计结果的展示 3. 一直存在控制组个体的 Time-varyig DID 和 ESA 方法的结合 4. 稳健性检验：以 Standard DID 为例 5. 总结和拓展 6. 参考资料 附：文中相关代码.

原文链接：https://www.lianxh.cn/news/f35dae8f2b0c8.html1. 为什么使用三重差分法？双重差分法的重要假设是对照组和实验组的时间趋势一样，而当控制组和实验组的时间趋势不同，则无法得到一致的实验估计量，需要进一步改进双重差分估计量。 平行趋势检验可以看往期推文多期倍分法(DID)：平行趋势检验图示。当选择的控制组与实验组时间趋势不同时，可以采用合成控制法(Synthetic Control Method)即对多个对照组加权构造成一个虚拟的对照组和三重差分

原文链接：https://www.lianxh.cn/news/4a297047ad9a4.html「Source：Weights to address non-parallel trends in panel difference-in-differences models」目录1. 引言 2. 模拟数据的生成 2.1 双重差分模型 2.2 模拟数据生成过程 3. DID 估计与 Stata 的实现 3.1 网格搜索 ( Grid Search ) 3.2 迭.

原文链接：https://www.lianxh.cn/news/cb47a7a440d80.html目录1. 前言 2. margins 命令介绍 3. DID 的边际分析 4. 对 margin 结果的修正 5. 文中使用的主要代码 本文来自连享会专题 - 倍分法 DID1. 前言本文在翻译下文的基础上进行了一些修改和补充：Wheeler, Andrew. P., Some Stata notes – Difference-in-Difference .

原文链接：https://www.lianxh.cn/news/0a63a4fb8eb70.html目录多期DID估计 平行趋势检验 安慰剂检验 绘图  本文介绍多期 DID 中安慰剂检验的实现步骤。DID 相关推文：连享会 - DID 倍分法专题在传统DID模型中，所有单位的政策时间一致，安慰剂检验只需在所有单位中随机抽取固定数量的若干单位作为实验组便可。但是，在多期DID中每个单位的政策时间不同，该种方法便不再适用。解决办法就是：为每个样本对象随机抽取样本

全文阅读：https://www.lianxh.cn/news/969f03ecfd5b2.htmlSource:Callaway, B., P. H. Sant'Anna, 2020, Difference-in-differences with multiple time periods, arXiv preprint arXiv:1803.09015.-PDF-. Code to implement the methods proposed in the paper is availab..

全文阅读：https://www.lianxh.cn/news/35f95001f7da8.html作者：笑花心 (连享会助教)邮箱：RHs_knowledge@126.com 编者按：本文摘自以下论文，特此致谢。Source：Acemoglu D, Restrepo P. Secular stagnation? The effect of aging on economic growth in the age of automation[J]. American Ec...

全文阅读：https://www.lianxh.cn/news/d8241c4e502ed.html作者：笑花心 (连享会助教)邮箱：RHs_knowledge@126.com 编者按：本文摘自以下论文，特此致谢。Source：Cerulli G. Extending the difference-in-differences (DID) to settings with many treated units and same intervention time: Mode...

????全文阅读：https://www.lianxh.cn/news/ef3a4fb464164.html作者：袁子晴 (香港大学)邮箱：yzq0612@foxmail.com目录1. 问题背景 2. 模型设定 2.1 经典的双重差分法 2.2 溢出稳健-双重差分法 3. Stata 实现：cdifdif 命令 3.1 Stata 实例 4. 总结 5. 参考文献 6. 相关推文1. 问题背景自然实验通常依据地理边界来划分处理组和控制组，但是由于政策

全文阅读：https://www.lianxh.cn/news/c1c8700574729.html目录1. 简介 2. 理论推导 3. Stata 范例 4. 参考文献 5. 相关推文 1. 简介在之前「倍分法DID」专题中，我们已经详细介绍过 DID 方法的使用和操作细节。本推文主要目的是，讨论该方法在使用过程中，当受外生冲击的处理组数量较少时，会对估计结果产生什么影响、以及应该如何处理。我们使用来表示处理组的个数，表示控制组（不受外生冲击的影响）的个数。一般而言...

全文阅读：https://www.lianxh.cn/news/38d799143f08f.html目录1. 简介 2. 假设与识别 2.1 符号约定 2.2 基本假设 2.3 识别 3. Stata 范例 3.1 fuzzydid 的基本语法 3.2 实证分析：报纸对参与大选的影响 4. 相关推文 编者按： 本文部分内容翻译自Fuzzy Differences-in-Differences with Stata，特此致谢！ 1. 简介双重差.

全文阅读：https://www.lianxh.cn/news/b6bf72549ad49.html目录1. 问题背景 2. 应用中的问题和原因 2.1 “自匹配” 问题 2.2 逐期匹配的不足 3. 模型改进 4. 相关推文1. 问题背景近年来，经济学研究出现了 “自然实验化” 的趋势，相关计量经济学模型也得到了快速发展。其中，倾向得分匹配-双重差分模型 (以下简称 PSM-DID) 作为有力的政策分析工具更是被广泛使用。PSM-DID 模型是由倾向得分匹配模型 (P

全文阅读：https://www.lianxh.cn/news/ec9f72f2a046f.html目录1. 摘要 2. 引言 3. DID 设计和统计模型 3.1 潜在结果表示法 3.2 两组两时段 3.3 多个组和时间段 3.4 共同趋势假设 3.5 严格的外生性 4. 常见趋势假设的敏感性分析和稳健性检验 4.1 图形证据 4.2 组特定线性趋势 4.3 成分变化的平衡检验 4.4 格兰杰因果关系检验 4.5 多期处理效应 4.6 三重差分

全文阅读：https://www.lianxh.cn/news/788e52f642f91.html目录1. 背景介绍 2. 理论介绍 2.1 面板数据的功效计算 2.2 稳健的序列相关功效计算 2.3 一个现实数据的应用 3. pcanel 命令介绍 3.1 pc_dd_analytic 命令 3.2 pc_dd_covar 命令 3.3 pc_simulate 命令 4. 结语 5. 参考资料 6. 相关推文 相关课程 免费公开课 最新课程-直.

 作者：黄欣怡 (中山大学)邮箱：eugenehuangcheeks@163.com「Source：Weights to address non-parallel trends in panel difference-in-differences models 」 Stata 连享会   课程主页 || 直播视频 || 知乎推文扫码查看连享会最新专题、公开课视频和 100 ...