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化时,常见的双重差分估计就不能识别一个典型处理效应并做出合理的度量 (Borusyak and Jaravel, 2017; Athey and Imbens, 2018; Goodman-Bacon, 2018; de Chaisemartin and D’Haultfoeuille, 2020; Imai andKim,...
本文重点介绍的是通过两阶段方法来处理交错 DID 回归。 3. 两阶段双重差分 3.1 两阶段双重差分估计量 前面也提到了,两阶段双重差分的原理是先识别组别效应和时期效应,然后在第二阶段将其剔除后,再对处理变量进行回归。两阶段双重差分顾名思义将估计分为两个阶段: 第一阶段,估计一个无处理结果 () 的双向固定...
Stata学习:如何构建两阶段双重差分模型?did2s 示例1 文献来源 为了验证交错DID结果的稳健性,参考Gardner(2022),Wang等(2023)对交错DID分析进行了重新估计。虚拟变量仍然是显著负的,进一步证实了结果的可靠性和一致性。 Gardner, J. (2022). Two-Stage Differences in Differences. arXiv preprint Wang, J., et a...
本文重点介绍的是通过两阶段方法来处理交错 DID 回归。 3. 两阶段双重差分 3.1 两阶段双重差分估计量 前面也提到了,两阶段双重差分的原理是先识别组别效应和时期效应,然后在第二阶段将其剔除后,再对处理变量进行回归。两阶段双重差分顾名思义将估计分为两个阶段: 第一阶段,估计一个无处理结果 () 的双向固定...
最后,为了方便大家理解,我们用实例并结合 Stata 操作来演示该方法的实现,其中重点介绍did2s命令。 2. 双重差分回归估计问题 考虑一个常见的DID模型,如下列式子: 其中,表示的是个体,表示的时间 (一般指的是年),关键是和。如果个体处于 group0,则意味着它在所有时期内都不接受处理,如果个体处于 group1 则意味着从...