雙重差分安慰劑檢驗代碼

連享會直播課堂：滑一下就找到我們了

效率分析專題（TFP.DEA.SFA)

生存分析專題

DID安慰劑檢驗

DID進行政策分析的重要假設是滿足平行趨勢。在實證分析中，除了要檢驗平行趨勢，一般情況還需要進行安慰劑檢驗。本文主要介紹如何隨機抽取樣本作為處理組來進行安慰劑檢驗。以下是全部代碼，在進行分析前手頭需要有placebo.dta這一數據集，id這一數據集是僅包括個體識別碼和時間的數據，從placebo.dta中截取。本文未能提供原始數據（樣本量太大）。下面對代碼進行逐一解讀。

  use id,clear
  ///調用id數據
  
  sample 1
  ///隨機選1%個樣本後續用於作為處理組
  
  keep id
  ///僅保留id這一代碼
  
  save temp,replace
  ///保存為temp文件，用於後續合併使用

  use placebo,clear
  ///調用本文主要的使用數據
  
  merge m:1 id using temp
  ///與前文隨機生成的1%的樣本數據集合併
  
  cap drop treat
  ///如果數據集有treat這一變量，則刪除
  
  gen treat =(_merge==3)
  ///將前面隨機生成的1%樣本設置為處理組
  
  drop _merge
  ///刪除多餘變量

  save placebo_did,replace
 ///這一步好像有點多餘
 
  reghdfe aqiind  c.treat#c.post  htmpt ltmpt  ,  $absorb $cluster
 ///進行回歸，注意這裡定義了兩個global,前文沒有呈現
 
  parmest,format (estimate min95 max95 %8.2f p %8.3f) saving("temp1.dta", replace)
///將回歸結果係數保存到temp1數據集中

  use "temp1.dta", clear
  
  keep if parm=="c.treat#c.post"
  ///僅保留關心的係數
  save "simulations.dta", replace
///將結果保存到simulation數據集中
下面部分是對上一個模塊的循環，設置循環200次。循環主要體現在下面的sample這一命令。其餘就是不斷生成估計的係數，然後使用append命令將結果合併在一起。
forvalues i=1(1)200{
  use id,clear
  sample 1 //隨機選1%個樣本
  keep id
  save temp,replace
  use placebo,clear
  merge m:1 id using temp
  cap drop trea
  gen treat =(_merge==3)
  drop _merge
  save placebo_did,replace
  reghdfe aqiind  c.treat#c.post  htmpt ltmpt  ,  $absorb $cluster
  parmest,format (estimate min95 max95 %8.2f p %8.3f) saving("temp1.dta", replace)
  use "temp1.dta", clear
  keep if parm=="c.treat#c.post"
  append using "simulations.dta"
  save "simulations.dta", replace
}
這一部分是對處理得到的數據進行繪圖。使用的命令為dpplot,其餘均為繪圖的常規操作，此處不再贅述。
use  "simulations.dta",clear

dpplot estimate ,xline(0,lc(black*0.5)  ) xline(-14.414,lc(red*0.5) lp(dash) )  ///
xlabel(-15(5)15)   xtitle("Treatment Effect",size(*0.8)) ytitle("Density",size(*0.8))  note("") caption("")
graph export "安慰劑檢驗.png", replace
最後放上一張圖：
致謝：感謝王奇師兄提供原始代碼並提供講解

連享會直播課堂：滑一下就找到我們了

🍎  掃碼加入連享會微信群，提問交流更方便
點擊此處留言