stata时间序列差分处理

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。  

贲品宁878时间序列是日数据,检验后一阶差分平稳,进行VAR的时候,想用月度数据进行可以吗? -
越怨眉19675768837 ______ 显然不是面板数据,是时间数据.eviews和stata都可以搞定时间序列数据.一般经济变量来取对数后,一阶就平稳了.怎么可能有一个自变量二阶平稳呢?我一般都是想法弄成一阶平稳.对数后再一阶,已经降低很多趋势了.对这个问题,一是数据有问题二是你设置可能2113存5261在问题,如选择是否带有趋势项,截距项,或者俩个都有或者俩个都没有.要按照变量的走势,选择合适的选项,才能4102使得检验结果可靠.选对了这个你所谓的一个变量是二阶就会是这个变量也是一阶平稳的注意,非同阶很麻烦的,不能做协整1653回归.

贲品宁878如何在STATA中做格兰杰因果关系检验 -
越怨眉19675768837 ______ 这个是从人大经济论坛转来,请你去感谢作者吧:相关的stata命令可以有三种. 方法一:reg y L.y L.x (滞后1 期) estat ic (显示AIC 与BIC 取值,以便选择最佳滞后期) reg y L.y L.x L2.y L2.x estat ic (显示AIC 与BIC 取值,以便选择最佳滞后...

贲品宁878时间序列的平稳性检验的目的是什么?一阶差分平稳说明了什么?有什么意义啊? -
越怨眉19675768837 ______[答案] 为了确定没有随机趋势或确定趋势,否则将会产生“伪回归”问题.伪回归是说,有时数据的高度相关仅仅是因为二者同时随时间有向上或向下的变动趋势, 并没有真正联系.这样数据中的趋势项,季节项等无法消除, 从而在残差分析中无法准确进行...

贲品宁878时间序列模型的步骤 -
越怨眉19675768837 ______ 辨识合适的随机模型,进行曲线拟合,即用通用随机模型去拟合时间序列的观测数据.对于短的或简单的时间序列,可用趋势模型和季节模型加上误差来进行拟合.对于平稳时间序列,可用通用ARIMA模型(自回归滑动平均模型)及其特殊情况...

贲品宁878如何将非平稳的时间序列变成平稳的时间序列,eviews操作 -
越怨眉19675768837 ______ 通常对序列进行差分运算, 比如你的序列是 x 可以求它的查分序列 命令栏输入 series dx=d(x) 然后回车

贲品宁878如何生成新时间序列数据 -
越怨眉19675768837 ______ 1、使用create命令,生成一个区间在2010-2015的工作文件,2、在命令窗口中输入:series t=@trend(时间),生成一个以该时间为0基准的整数的时间序列.在案例中,输入series t=@trend(2010),按enter键生成后,点击t,即可查看.

贲品宁878SAS中对时间序列先取自然对数再进行差分的命令是什么? -
越怨眉19675768837 ______ data步中定义时间序列变量x; 调用函数log()转化为新变量x1; 调用差分函数dif()转化为新变量x2; 对x2分析; 如: data dataset; input x; time=_n_; x1=log(x); x2=dif(x1); cards; ..................... ; run;

贲品宁878请教在stata中做脉冲响应与方差分解的问题 -
越怨眉19675768837 ______ 是时间序列的var模型还是面板数据的var模型啊 时间序列先根据最优滞后阶数做VAR后就可以做脉冲响应和方差分解啦