Stata：面板事件研究法-eventdd

发布时间：2021-12-25 阅读 8348

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

✌ 课程详情： https://gitee.com/lianxh/Course

⛳ 课程主页： https://gitee.com/lianxh/Course

⛳ Stata 系列推文：

全部 | Stata入门 | Stata教程 | Stata资源 | Stata命令
计量专题 | 论文写作 | 数据分享 | 专题课程
结果输出 | Stata绘图 | 数据处理 | Stata程序
回归分析 | 面板数据 | 交乘项-调节 | IV-GMM
内生性-因果推断 | 倍分法DID | 断点回归RDD | PSM-Matching | 合成控制法
Probit-Logit | 时间序列 | 空间计量 | 分位数回归 | 生存分析 | SFA-DEA
文本分析-爬虫 | Python-R-Matlab | 机器学习
Markdown | 工具软件 | 其它

☝ PDF下载 - 推文合集

作者：袁洛琪 (北京大学)
邮箱：luoqi_yuan@163.com

编者按：本文主要摘译自下文，特此致谢！
Source：Clarke, Damian and Kathya Tapia. 2020. "Implementing the Panel Event Study". IZA Discussion Paper 13524. -PDF-

本文介绍的是事件研究法 (event study) 在 Stata 中的实现命令 eventdd，该命令由 Damian Clarke 和 Kathya Tapia Schythe 在 2020 年共同开发。与以往关于事件研究法的介绍不同，本文将侧重于这种方法在倍分法平行趋势检验中的具体应用。

1. 相关理论

事件研究法是一种与倍分法 (DID) 相类似的面板事件研究方法，eventdd 可实现对各时间项系数及置信区间的计算和图形展示。其中，各滞后项和前置项的系数对应的是该事件效应在不同时间中的变化趋势。具体的估计方程如下：

y_{s t} = α + \sum_{j = 2}^{J} β_{j} (Lag j)_{s t} + \sum_{k = 1}^{K} γ_{k} (Lead k)_{s t} + μ_{s} + λ_{t} + X_{s t}^{'} Γ + ε_{s t} .

其中， $y_{s t}$ 是第 $s$ 个个体在第 $t$ 期的因变量， $J - 1$ 个滞后项和 $K$ 个前置项是相对于事件发生时间， $μ_{s}$ 和 $λ_{t}$ 分别是个体固定效应与时间固定效应。eventdd 默认使用的基准组是事件发生的前一期。

2. 命令介绍

// 命令安装
ssc install eventdd, replace

// 基本语法
eventdd varlist(min=2 fv ts numeric) [if] [in] [weight], timevar(varname) [options]

其中基本选项如下，

varlist(y x1 ... xn)：回归用到的因变量和控制变量；
timevar()：回归用到的时间项；
if、in 和 [weight]：与普通OLS回归一致，if 和 in 限定要导出的数据的范围，[weight] 是对数据进行加权的相关选项；

options 选项如下：

ci(string)：图形置信区间的风格 (必须设定)，rarea 指带有区域阴影，rcap 指带有上限的直线， rline 仅是直线；
baseline(#)：选择哪一期作为基准组，默认选择 -1 期；
level(#)：设定显著性水平，默认为 95%；
ols：回归时使用 regress 命令；
fe：回归时使用 xtreg 命令；
hdfe：回归时使用 reghdfe 命令；
keepbal(stfips)：仅保留在每一期都出现了的观测值；
inrange：仅将特定时间区间的样本纳入回归；
lags(#)：纳入回归的滞后项项数；
leads(#)：纳入回归的前置项项数；
graph_op(string)：画图相关命令，与 twoway 命令一致。

其中，ci(string) 和 timevar(varname) 是必须进行设定的选项。在已经安装了 xtreg 和 reghdfe 的前提下，可以通过设定 fe 和 reghdfe 分别调用 xtreg 和 reghdfe 命令。最后，相关图形设定与 twoway 命令一致。关于该命令更多选项介绍，读者可通过 help eventdd 继续进行探索。

3. 实例演示

接下来以 Stevenson 和 Wolfers (2006) 的一项关于离婚改革与女性自杀率的研究为例。首先，调入我们需要的数据。

. webuse set www.damianclarke.net/stata/
(prefix now "http://www.damianclarke.net/stata")
. webuse bacon_example.dta, clear
(Stevenson and Wolfers (2006) divorce example, provided by Goldring et al.)

其次，生成 eventdd 需要的时间变量 timeToTreat。

. gen timeToTreat = year - _nfd

最后，进行回归分析。该研究中关心的因变量是女性自杀死亡率 asmrs，控制变量包括人均收入 pcinc、谋杀死亡率 asmrh、援助抚养儿童家庭案例数 cases 以及年份固定效应。使用的回归命令是 xtreg，并选择了带有上限的直线作为置信区间的风格 ci(rcap)。

. eventdd asmrs pcinc asmrh cases i.year, fe timevar(timeToTreat) ci(rcap) ///
>     cluster(stfips) graph_op(ytitle("Suicides per 1m Women") xlabel(-20(5)25))

Fixed-effects (within) regression               Number of obs      =      1617
Group variable: stfips                          Number of groups   =        49
R-sq:  Within  = 0.3908                         Obs per group: min =        33
       Between = 0.0006                                        avg =      33.0
       Overall = 0.1143                                        max =        33
                                                F(48,48)           =         .
corr(u_i, Xb)  = -0.2197                        Prob > F           =         .
                                (Std. err. adjusted for 49 clusters in stfips)
------------------------------------------------------------------------------
             |               Robust
       asmrs | Coefficient  std. err.      t    P>|t|     [95% conf. interval]
-------------+----------------------------------------------------------------
       pcinc |     -0.001      0.000    -2.71   0.009       -0.002      -0.000
       asmrh |      1.081      0.597     1.81   0.076       -0.119       2.281
       cases |   -190.372    134.499    -1.42   0.163     -460.800      80.057
      lead21 |    -22.921      4.011    -5.71   0.000      -30.986     -14.856
      lead20 |    -12.084     10.996    -1.10   0.277      -34.194      10.025
      lead19 |      8.843      5.958     1.48   0.144       -3.136      20.822
                   省略......         
       lag25 |    -10.268      7.459    -1.38   0.175      -25.265       4.730
       lag26 |    -16.693     10.542    -1.58   0.120      -37.889       4.504
       lag27 |     -0.434      8.147    -0.05   0.958      -16.815      15.946
       _cons |     73.131      7.291    10.03   0.000       58.471      87.790
-------------+----------------------------------------------------------------
     sigma_u |  15.826621
     sigma_e |  10.807927
         rho |  .68196723   (fraction of variance due to u_i)
------------------------------------------------------------------------------

4. 参考资料

Damian Clarke & Kathya Tapia Schythe, 2020. "EVENTDD: Stata module to panel event study models and generate event study plots," Statistical Software Components S458737, Boston College Department of Economics. -PDF-
Stevenson, Betsey and Justin Wolfers. 2006. "Bargaining in the Shadow of the Law: Divorce Laws and Family Distress". The Quarterly Journal of Economics 121(1):267-288. -PDF-
Freyaldenhoven, Simon, Christian Hansen, and Jesse M. Shapiro. 2019. "Pre-event Trends in the Panel Event-Study Design". American Economic Review 109(9):3307-38. -PDF-
Goodman-Bacon, Andrew. 2018. "Difference-in-Differences with Variation in Treatment Timing" National Bureau of Economic Research Working Paper 25018. -PDF-

5. 相关推文

Note：产生如下推文列表的 Stata 命令为：
lianxh event 平行趋势事件, m
安装最新版 lianxh 命令：
ssc install lianxh, replace

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]

Stata：面板事件研究法-eventdd

1. 相关理论

2. 命令介绍

3. 实例演示

4. 参考资料

5. 相关推文

相关课程

免费公开课

最新课程-直播课

⛳ 课程主页

⛳ 课程主页

关于我们

热门资讯