DID模型TWFE估计及Bacon分解、事件研究、安慰剂检验操作案例

主要使用的回归命令包括

• xtdidregress，一个内置的 Stata 命令，用于对面板数据运行 DID 回归。使用它后，我们可以使用estat来创建趋势图并进行一些基本测试。
• xtreg, areg, and reghdfe是为运行固定效应模型而编写的，但也可以很容易地应用于运行 DID 回归。
• sdid，用于运行 SDID 的外部命令。通过该选项，我们还可以使用它来运行标准 DID 和合成控制法
• xthdidregress, Stata 18 中引入的用于估计异质性DID的命令。请注意，命令xthdidregress 允许多种权重:  ra, ipw, and aipw estimators are from Callaway & Sant'Anna (2021) and the twfe estimator is from Wooldridge (2021).

培根分解、事件研究图和安慰剂试验

要使用的数据集可以通过运行以下代码加载到 Stata 中：

面板数据包含 1964 年至1996  美国49个州，（包括华盛顿特区，但不包括阿拉斯加和夏威夷）的州级信息（特别是无过错离婚起始年份和自杀死亡率）。它们最初由Stevenson & Wolfers（2006）用于估计无过错（或单边）离婚对女性自杀率的影响。

在这里，我首先对无过错离婚改革的女性自杀（交错处理）运行静态TWFE DID模型估计：

where

• 状态固定效应;;
• 是年份固定的效果;
• 如果是一个虚拟变量，等于 1 如果大于或等于无过错离婚开始年份，则等于1，否则为0;;
• 控制变量.
• 处理自由采用单方面离婚法的州组成，而对照组由其余州组成。

来自以下所有命令的估计系数应相同（但由于算法不同，标准误差和 R 平方不同）。

asmrs是自杀死亡率，post是虚拟变量。所有其他变量都是控制变量。Stata 报告的 DID 系数水平为 -2.516（标准误差为 2.283），与零差异不大。

然后我们可以将培根分解定理应用于TWFE DID模型。

它报告数据集中有 14 个时间变化组别，包括一个从未处理的组和一个始终处理的组。最大权重分配给始终治疗组和随时间变化组之间的比较。

散点图在这里。

我们还可以使用xtdidregress估计后的命令进行分解。

请记住，培根分解是一种诊断工具，而不是补救措施。分解告诉我们 DID 模型中“错误比较”的严重性，但它无法治愈它。

结果为：

我运行的下一个回归是相应的动态 DID。我使用该命令是因为它可以同时运行模型并生成绘图。此命令允许一些基本的回归（例如 xtreg and reghdfe)）;为了绘制高级 DID 回归的结果，我推荐该包（将在下一个示例中详细介绍）。要使用 ，必须安装 两个软件包eventdd 和 matsort 。

最后，我通过随机和重复选择安慰剂处理时间并进行安慰剂检验，并运行TWFE回归1000次。这项工作是通过使用 Stata 内置命令permute完成的。检验结果显示，我上面的估计可能不是来自不可观察的时间趋势。可以在此处看到安慰剂测试中的绘图（由加载项命令dpplot创建）。

permute命令进行随机置换检验，随机抽样500/1000次，可以查看推文：

2023年第6期《数量经济技术经济研究》最新应用_一行代码随机抽样500/1000次_DID安慰剂检验

推荐2篇2023年《中国工业经济》及《数量经济技术经济研究》上最新DID安慰剂检验方法——一行代码随机抽样500/1000次

第3篇DID学术“新星”_2023年第7期《数量经济技术经济研究》上最新DID安慰剂检验方法_一行代码随机抽样500/1000次

第4篇DID“学术新星”新方法__23年第7期《数量经济技术经济研究》上DID安慰剂检验方法_一行代码随机抽样500/1000次

完整代码如下：

来源：https://github.com/IanHo2019/DID_Handbook