Stata连享会 主页 || 视频 || 推文 || 知乎 || Bilibili 站
温馨提示: 定期 清理浏览器缓存,可以获得最佳浏览体验。
New!
lianxh
命令发布了:
随时搜索推文、Stata 资源。安装:
. ssc install lianxh
详情参见帮助文件 (有惊喜):
. help lianxh
连享会新命令:cnssc
,ihelp
,rdbalance
,gitee
,installpkg
⛳ Stata 系列推文:
作者:杜静玄 (雪城大学)
邮箱:jdu115@syr.edu
编者按:本文主要摘译自下文,特此致谢!
Source:Andrew Goodman-Bacon, 2021 , Difference-in-differences with variation in treatment timing,Journal of Econometrics, 225: 254-277. -Link- -PDF-
目录
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,
其估计的因果解释需要平行趋势假设和随时间恒定的处理效应,他展示了如何分解两个规范之间的差异,并提供了对包含时变控制模型的新分析。本文将简要概述这篇文章,并介绍基于这一分解方法的 Stata 命令 bacondecomp
。
假定一个拥有 T 期 (
根据 FWL 定理,
其中,
定理 1 (DID 分解定理):假设数据集有
其中权重分别为:
其中
将组
W 在实践中通常代表在
经过一系列分解计算后,可将总效应表示为:
其中第一项为可以估计的可解释因果效应,即被处理者的方差加权平均处理效应 (variance-weighed average treatment effect on the treated),它是处理组以及处理期之后在
第二项为方差加权的共同趋势 (variance-weighted common trends,VWCT),它将
最后一项则等于每个处理组在较晚的处理时间前后的处理效果变化加权总和。TWFEDD 的估计值可根据处理效应的不同分为以下几种情况讨论:
此外,先前的分析都是基于不同时点处理组之间反事实趋势相同的假设,而当
文章复制了 Stevenson 和 Wolfers (2006) 关于单方面离婚改革和女性自杀的分析。 单方面离婚允许任何一方结束婚姻并依此重新分配财产权。他们使用 1969 年至 1985 年 37 个州中由于采用单方面离婚法的时间不同而导致的自然变化,以及剩余的 14 个州作为对照来评估该改革对女性自杀率的影响。
首先,安装该命令,并使用自带数据集:
. ssc install bacondecomp, replace
. use http://pped.org/bacon_example.dta, clear
数据已经设定好了面板格式,可直接进行双向固定面板效应估计:
. xtreg asmrs post pcinc asmrh cases i.year, fe robust
其中,asmrs 为自杀死亡率,post 表示实行改革以后,pcinc 为人均收入,asmrh 则为他杀死亡率,case 为该地区某年抚养未成年儿童家庭援助计划的数量。
从数据中可以看出,不同的地区执行该政策的时间是不同的,因此可以采用该文中提供的分解方法,将所有区域分为 14 个不同时点的处理组,其中包含 1 个永久处理组和 1 个从不处理组。
. bacondecomp asmrs post pcinc asmrh cases, stub(Bacon_) robust
Computing decomposition across 14 timing groups
including an always-treated group and a never-treated group
------------------------------------------------------------------------------
asmrs | Coefficient Std. err. z P>|z| [95% conf. interval]
-------------+----------------------------------------------------------------
post | -2.516 2.283 -1.10 0.270 -6.991 1.959
------------------------------------------------------------------------------
Bacon Decomposition
+---------------------------------------------------+
| | Beta TotalWeight |
|----------------------+----------------------------|
| Timing_groups | 2.602167327 .3776606651 |
| Always_v_timing | -7.02043576 .3783086972 |
| Never_v_timing | -5.256988806 .2389229013 |
| Always_v_never | 330.3884583 .0000180736 |
| Within | 80.0123291 .0050896627 |
+---------------------------------------------------+
此外,该命令在默认情况下还为所有比较生成一个图表,最多显示三种类型的两组/两期比较,它们因对照组而异:
并且,该图还显示了由于始终处理和未处理组之间的对照差异而导致的分量,以及 “组内” 残余分量。
从结果中可以看出,双向固定效应的 DD 估计量 -2.516 是不同组别的加权总和。其中不同处理时间带来的差异占据了总效应的 37.766%,而同组内的差异占比为 0.509%,一直接受处理与从未接受处理组的效应仅占 0.0018%。最后,尽管该命令还提供了 DD 效应的详细分解,但目前只能够支持不含其它控制变量与权重调节的情况。在此仅对于关键自变量 post 进行回归。
. bacondecomp asmrs post , ddetail
Calculating treatment times...
Calculating weights...
Estimating 2x2 diff-in-diff regressions...
Diff-in-diff estimate: -3.080
DD Comparison Weight Avg DD Est
-------------------------------------------------
Earlier T vs. Later C 0.111 -0.187
Later T vs. Earlier C 0.265 3.512
T vs. Never treated 0.240 -5.331
T vs. Already treated 0.384 -7.044
-------------------------------------------------
T = Treatment; C = Control
该分解可以将结果详细地分为上文中所讲的四组。其中新处理组与已处理组权重最大,达到 0.384,若处理效应随时间而变量,则该估计量很可能有偏。
Note:产生如下推文列表的 Stata 命令为:
lianxh did, m
安装最新版lianxh
命令:
ssc install lianxh, replace
免费公开课
最新课程-直播课
专题 | 嘉宾 | 直播/回看视频 |
---|---|---|
⭐ 最新专题 | 文本分析、机器学习、效率专题、生存分析等 | |
研究设计 | 连玉君 | 我的特斯拉-实证研究设计,-幻灯片- |
面板模型 | 连玉君 | 动态面板模型,-幻灯片- |
面板模型 | 连玉君 | 直击面板数据模型 [免费公开课,2小时] |
⛳ 课程主页
⛳ 课程主页
关于我们
课程, 直播, 视频, 客服, 模型设定, 研究设计, stata, plus, 绘图, 编程, 面板, 论文重现, 可视化, RDD, DID, PSM, 合成控制法
等
连享会小程序:扫一扫,看推文,看视频……
扫码加入连享会微信群,提问交流更方便
✏ 连享会-常见问题解答:
✨ https://gitee.com/lianxh/Course/wikis
New!
lianxh
和songbl
命令发布了:
随时搜索连享会推文、Stata 资源,安装命令如下:
. ssc install lianxh
使用详情参见帮助文件 (有惊喜):
. help lianxh