双重差分模型的平行趋势假定如何检验

双重差分模型的平行趋势假定如何检验？ ——coefplot命令来告诉你

双重差分模型（difference-in-differences）主要被用于社会学中的政策效果评估。其原理是基于一个反事实的框架来评估政策发生和不发生这两种情况下被观测因素y的变化。如果一个外生的政策冲击将样本分为两组—受政策干预的Treat组和未受政策干预的Control组，且在政策冲击前，Treat组和Control组的y没有显著差异，那么我们就可以将Control组在政策发生前后y的变化看作Treat组未受政策冲击时的状况（反事实的结果）。通过比较Treat组y的变化(D1)以及 Control组y的变化（D2），我们就可以得到政策冲击的实际效果(DD=D1-D2)。

具体地，单一冲击时点的双重差分的模型如下：

其中，Ti为政策虚拟变量；Ai为时间虚拟变量； Ti ×At为两者的交互项；b3即为我们需要的双重差分估计量。

需要特别指出的是，只有在满足”政策冲击前Treat组和Control组的y没有显著差异”（即平行性假定）的条件下，得到的双重差分估计量才是无偏的。

下面我们就通过模拟数据来进一步介绍双重差分估计和平行性假定的检验：

一、构造数据

1.首先我们构造观测值并生成随机数种子

clear

set more off

set obs 1000

set seed 123456789

2.构造面板数据，将1000个样本，分为两组：实验组(Treat==1)，对照组(Treat==0)

gen Treat=(uniform()<=0.6)

3.根据随机数构造公司-年度数据

bysort Treat: gen int group=uniform()*90+Treat*90+1

bysort group: gen year=2016-_n+1

4.假定2012年，实验组(Treat==1)公司受到一个外生政策冲击

未来的文具盒gen Post=(year>=2012)性迷宫1999

5.模拟被解释变量y，控制变量x1，x2

gen y=ln(1+uniform()*100)

replace y=y + ln(uniform()*10+rnormal()*3) if Treat==1 & Post==1

gen x1=rnormal()*3

gen x2=rnormal()+uniform()

有效教学研究

我们可以看到，公司id（group）、年份（year）、分组标识（Treat）、冲击发生标识（Post）、被解释变量（y）以及控制变量（x1, x2）已经生成。

二、双重差分模型估计

gen Treat_Post=Treat*Post

xi: regress y Treat Post Treat*Post x1 ar, vce(robust)

est store OLS_DID

xtset group year

xi: xtreg y Post Treat*Post x1 ar,fe vce(robust)

est store FE_DID

esttab OLS_DID FE_DID, ar2(%9.3f) b(%9.3f) t(%9.3f) nogap compress ///

indicate("Year=_Iyear*") star(* 0.1 ** 0.05 *** 0.01)

结果显示交互项（Treat*Post）的系数显著为正，表明政策实施导致了y显著增加。然而，此时我们还不能确切的说，这一政策效果的评估是准确的，因为只有在对照组和实验组满足平行性假定的时候，Treat和post的交互项才是处理效应。因此平行趋势假定的重要性不言而喻。平行性假定的检验可以通过回归分析或者绘图的方式进行。

三、平行性假定和

三代同堂>保罗科埃略

动态效果分析

gen Dyear=year-2012

gen Before2=(Dyear==-2 & Treat==1)

tia

lab var Before2 "2 Year Prior"

本文发布于:2024-09-21 17:31:28，感谢您对本站的认可！

本文链接：https://www.17tex.com/xueshu/358794.html

上一篇：基于ACoreOS的相对水平度差分测量系统软件开发

下一篇：差分方法基础