在现今广为流行的双重差分模型中,除了必不可少的平行趋势外,安慰剂检验也是重要的一环。其中应用最为普遍的安慰剂检验,无疑是检验不可观测的特征的影响。其基本思路是随机设定处理组,查看估计系数分布是否依然显著。道理虽然简单,但是在操作上却涌现出各异的方法,且似乎都不是那么简单。因此,本文试图通过一行代码来...
而现在我们引入permute命令,一行代码即可实现安慰剂检验。 permute的基本语法如下: permute permvar exp_list [, options] : command permvar: 需要进行随机抽样的变量,即 DID 中的,或交互项 exp_list: 需要提取的统计量,一般是回归系数 options有以下设定: reps(#): 抽样次数 enumerate: 计算所有可能的不同排列...
1.在Stata中为什么permute不适用双重差分模型的安慰剂检验?重排后数据结构不满足实际情况。2.如何高效地进行双重差分模型的安慰剂检验?利用 didplacebo进行安慰剂检验。3.如何使用forvalues手动抽取政策时间、处理组、交互项并进行安慰剂检验。, 视频播放量 3557、弹幕量
具体操作如下：使用permute命令在数据集上进行随机分组，然后对每个分组执行双重差分模型并记录系数与p值。通过多次重复此过程，收集大量系数和p值样本，进而构建分布并检验是否显著。执行代码后，观察得到的分布是否遵循预期，若分布中的系数和p值均显著，说明模型的处理效果确实有效，否则可能存在其他未考虑的...
3. permute 命令 现存的教程,多使用forvalue循环,随机抽取样本进行一定次数的回归。这种方法在操作的过程中,至少会生成好几个文件。命令也少则几行,多则几十行。而现在我们引入permute命令,一行代码即可实现安慰剂检验。 permute的基本语法如下: permute permvar exp_list [, options] : command ...
3. permute 命令 现存的教程,多使用forvalue循环,随机抽取样本进行一定次数的回归。这种方法在操作的过程中,至少会生成好几个文件。命令也少则几行,多则几十行。而现在我们引入permute命令,一行代码即可实现安慰剂检验。 permute的基本语法如下: permute permvar exp_list [, options] : command ...
3. permute 命令 现存的教程,多使用forvalue循环,随机抽取样本进行一定次数的回归。这种方法在操作的过程中,至少会生成好几个文件。命令也少则几行,多则几十行。而现在我们引入permute命令,一行代码即可实现安慰剂检验。 permute的基本语法如下: permute permvar exp_list [, options] : command ...
3. permute 命令 现存的教程,多使用forvalue循环,随机抽取样本进行一定次数的回归。这种方法在操作的过程中,至少会生成好几个文件。命令也少则几行,多则几十行。而现在我们引入permute命令,一行代码即可实现安慰剂检验。 permute的基本语法如下: permute permvar exp_list [, options] : command ...
3. permute 命令 现存的教程,多使用forvalue循环,随机抽取样本进行一定次数的回归。这种方法在操作的过程中,至少会生成好几个文件。命令也少则几行,多则几十行。而现在我们引入permute命令,一行代码即可实现安慰剂检验。 permute的基本语法如下: permute permvar exp_list [, options] : command ...