3.多时点DID模型 3.1前期变量准备 *生成核心变量 gen DID=0 replace DID=1 if Year>Merge_year1 *将全部控制变量设置全局代替变量X和Y *县级控制变量 global X lnarea lnreg thr_cty sec_cty lnphone lnFisRev lnFisExp lnsaving lnloan lnstu_pri lnbed_hos lnbed_char *市级控制变量 global Y lngdp_...
gen did=time*groupnew global xlist "lnagdp indust_stru finance ainternet market " xtreg entre_activation did $xlist i.year, fe robust mat b[`i',1] = _b[did] mat se[`i',1] = _se[did] scalar df_r = e(N) - e(df_m) -1 mat p[`i',1] = 2*ttail(df_r,abs(_b[did]...
三月苏苏:Stata实证全流程代码/多时点DID模型 发布于 2022-12-14 01:30・IP 属地浙江 Stata stata连享会 内生性 写下你的评论... 打开知乎App 在「我的页」右上角打开扫一扫 其他扫码方式:微信 下载知乎App 开通机构号 无障碍模式 其他方式登录
在进行实证研究时，Stata 是一种广泛使用的统计软件。以下内容将介绍实证研究全流程中使用 Stata 的基本步骤，重点是多时点差异影响模型（DID）的构建。首先，导入数据是研究的起点。需设定文件路径并导入 dta 格式数据，这一步骤确保了研究数据的完整性与正确性。数据清洗是保证研究质量的关键。使用诸如定义...
最终得到多期DID模型平行趋势检验的置信区间图。可以看出在政策实行的第四年才开始显著，说明政策具有滞后性。（此为模拟数据，结果仅供参考）3 平行趋势检验Stata代码 --- xtset id year *构建交互项 joinby id using 基础信息.dta gen t=0 replace t=1 if year>=time gen did=treat*t *多期DID平行趋势检...
在DID模型中,基准回归是与平行趋势检验、安慰剂检验、稳健性检验同等重要的,是DID模型分析中不可缺少的一步。通过对DID模型进行基准回归,得到核心解释变量(交互项)的系数,根据系数的符号、大小、显著性来判断所研究政策对被解释变量的影响,进而确定所研究政策的推行对研究个体的影响。此外,可以选择控制变量、个体固定效...
gen did=time*groupnew global xlist "lnagdp indust_stru finance ainternet market " xtreg entre_activation did $xlist i.year, fe robust mat b[`i',1] = _b[did] mat se[`i',1] = _se[did] scalar df_r = e(N) - e(df_m) -1 ...
gen did=time*groupnew global xlist "lnagdp indust_stru finance ainternet market " xtreg entre_activation did $xlist i.year, fe robust mat b[`i',1] = _b[did] mat se[`i',1] = _se[did] scalar df_r = e(N) - e(df_m) -1 ...