stata对模型进行回归
双重差分法(DID)估计是最常用的因果推理方法之一。Stata的didregress和xtdidregress命令适用于重复横截面和面板数据的DID和三重差分(DDD)模型。DID和DDD模型控制未观测到的组和时间固定效应，一致地估计被治疗者的平均治疗效应( ATET )。
模型的关键假设可以通过estat trendplot、estat ptrends和estat granger命令来进行检验和图形化展示。
如果要估计不同时间和处理序列的ATETs，您可以使用Stata的新命令：hdidregress和xthdidregress。
• 用于ATET估计的DID和DDD模型:
– 重复横截面数据
– 面板数据
• Donald和Lang聚合方法
• Wild bootstrap P值和置信区间
• Bell和McCarey对偏差校正标准误差的自由度调整
• 均值结果和预处理平行趋势图形诊断
• Granger类型和预处理平行趋势检验
• 异构DID模型
• Bacon分解法评估处理效应异质性
拟合DID模型和ATET估计
我们想研究新的住院程序对患者满意度的影响，需要使用一些医院实施新程序之前和之后的每月患者数据。
. didregress (satis) (procedure),group(hospital) time(month)
手术满意度的ATET为0.85，分别考虑医院和每月固定效应。95% CI不包括0。
如果我们的数据是面板数据，可以使用xtset并输入：
. xtdidregress (satis) (procedure),group(hospital) time(month)
• 图形诊断
我们的DID模型假设，在实施新程序之前，对照组和实验组的满意度趋势是平行的。我们可以用estat trendplot对这一假设进行诊断。
• 预处理平行趋势检验
我们可以使用estat ptrends的正式统计检验来补充我们得出的图形诊断。
因此，预处理平行趋势的零假设并没有被拒绝。
• Granger因果性检验
我们的DID模型还可以假设治疗组和对照组在预期治疗时不会改变他们的行为。为了检验这一假设，我们可以使用estat granger来进行Granger因果检验。
预期治疗时没有行为改变的无效假设没有被拒绝。还可以使用estat grangerplot进行图形诊断。
• 计算相应的标准误差
有多个小组的情况是很常见的。在这些场景中，聚类稳健标准误差是不可靠的。对于这种情况，我们可以使用替代方法来计算标准误差。
我们可以通过添加vce(HC2)选项来使用经过HC2偏差调整的聚类稳健标准误差。
. didregress (satis) (procedure),group(hostpital) time(month) vce(hc2)
我们可以通过使用aggregate(dlang)选项来使用Donald和Lang聚合方法。
. didregress (satis) (procedure),group(hospital) time(month)aggregate(dlang)
野聚类自助法P值和置信区间功能也是可用的。与所有自举方法一样，我们需要设置一个种子以使结果可复制。
. didregress (satis) (procedure),group(hospital) time(month)wildbootstrap(rseed(123))
• DDD模型
要拟合DDD模型，只需向group()选项添加另一个变量，并定义新的处理过的观测值。
. didregress (satis) (new_treated),group(hospital another_group)time(month)
• 治疗时间变化时的治疗异质性检验
如果个体在不同的时间治疗，每个治疗队列的ATET可能会改变。如果是，则DID估计结果不一致。
我们可以使用Bacon分解来检验didregress和xtdidregress的ATET异质性，输入
. estat bdecomp
我们可以通过输入下列命令，以图表的形式展示结果
. estat bdecomp, graph
异质性DID
当治疗效果随时间变化且在不同队列中时，使用异质性DID估计ATETs结果是不同的。这时可以使用Stata的新命令hdidreress和xthdidreress，它会通过重复的横断面数据和面板数据来估计每个队列和时间段的ATETs。
• 每个队列和时期的ATET估计
– 重复横截面数据
– 面板数据
• ATETs 通过以下方式集合
– 组群
– 周期
– 暴露疗法
• 治疗效果异质性绘图和检验
• 同时置信区间
• 四个估算量
– 回归调整(RA)
– 逆概率加权法(IPW)
– 增广逆概率加权法(AIPW)
– 双向固定效应回归(TWFE)
• 预处理平行趋势检验
拟合具有异质处理效果的模型
我们想知道一个名为“健康习惯”的学区项目是否对学生的身体质量指数(BMI)有影响。我们的数据是学区级别的，其中包括学校是否参与该项目和学生的BMI等信息。从2013年到2020年，我们对40个学区的学生进行了重复抽样。我们使用aipw估计器对结果和治疗进行建模。
. hdidregress aipw (bmi medu) (hhabit parksd)group(schools) time(year)
AIPW估计器具有双重稳健性，这意味着即使治疗模型或结果模型(两者不能兼有)设定错误，估计仍然是一致的。治疗效果的异质性在结果中很明显，ATET估算值则因队列和时间组合而异。
可视化每个队列的ATETs
只看所有的ATETs估计是很难看出ATETs的具体趋势的。我们可以使用estat atetplot来可视化每个群组的ATETs时间概况。我们指定sci选项来显示同时置信带，该置信带覆盖了具有预定义概率水平的所有队列和时间的ATET的真实值。
. estat atetplot, sci
聚合ATETs
在调整模型时，我们可以使用estat aggregation来汇总队列、时间或治疗暴露中的ATETs。例如，我们使用estat aggregation, cohort来总结每个队列中的ATETs。
. estat aggregation, cohort graph
如果我们想要在一定时间内汇总ATETs，可以使用estat aggregation来指定time选项。
. estat aggregation, time graph
最后，如果我们想总结不同治疗时间内的ATETs，可以指定dynamic选项。
. estat aggregation, dynamic graph
北京天演融智软件有限公司（科学软件网）是STATA软件在中国的授权经销商，为中国的软件用户提供优质的软件销售和培训服务。
步荆重1801如何用stata做面板数据的滚动回归 -
封晴佩19191992089 ______ 方法/步骤 短面板处理 面板数据是指既有截面数据又有时间序列的数据,因此其存在截面数据没有的优势,在用stata进行面板数据的估计时,一般选择xtreg命令进行拟合.本节主要论述短面板的stata实现,即时间维度T相对于截面数n较小的数...
步荆重1801有没有人会用STATA做多元线性回归分析并进行分析呢?急需帮助! -
封晴佩19191992089 ______ 额...回归命令reg y x1 x2 x3等等,就是reg 后跟因变量 然后加上若干解释变量 回归分析就是看解释变量回归的系数是否显著 看一看基本的计量课本就行
步荆重1801在用STATA做回归时,有控制变量时,该怎么写命令 -
封晴佩19191992089 ______ 不一定,首先变量提示由于共线性被剔除有两种原因,一种是正常的,不用管,一种是不正常的,需要处理,不过总的来说无论你是否处理,它都不会进入回归(stata会自动忽略),要处理的都是你的模型假设. 正常的,就是说例如这样:我...
步荆重1801怎样用stata软件做线性回归分析计 -
封晴佩19191992089 ______ 回归命令regress y x1 x2 x3 异方差命令 hettest 多重共线性检测 vif
步荆重1801stata如何进行三次回归/拟合 -
封晴佩19191992089 ______ 在regyx,robust得到回归结果之后,用display_result(8)或者ereturnlistr2_a即可显示就可以得到adjustedr2
步荆重1801求助STATA面板数据模型分析的详细步骤和命令 -
封晴佩19191992089 ______ 面板数据回归模型基本操作流程 1单位根检验,用unitroot命令 2豪斯曼检验,用hausman命令 3回归操作,用xtreg命令
步荆重1801什么是多元选择 logit 模型?在stata中怎么实现回归 -
封晴佩19191992089 ______ 在stata中多元的logit命令是:mlogit y x,base(1) y是你的因变量 x你的自变量 base(1)的意思是你选择第一选项为参照项
步荆重1801如何用stata... -
封晴佩19191992089 ______ 进入stata,输入edit,把EXCEL里的数据复制进去,命名好 reg SU OC1-3 DC TR PNA就好
步荆重1801如何分析下面stata面板数据回归分析 -
封晴佩19191992089 ______ 先做单位根,协整,然后回归 注意检验模式
步荆重1801STATA中如何对部分数据进行回归 -
封晴佩19191992089 ______ 先筛选得到合适的数据集