首页 >>  正文

stata时间趋势图

来源：baiyundou.net   日期：2024-09-21

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。  

","gnid":"972b14ac508ae1749","img_data":[{"flag":2,"img":[{"desc":"","height":"383","title":"","url":"https://p0.ssl.img.360kuai.com/t01931e6ad0fd5810a2.png","width":"900"},{"desc":"","height":"419","title":"","url":"https://p0.ssl.img.360kuai.com/t01eb62f5fe4982899e.png","width":"692"},{"desc":"","height":"359","title":"","url":"https://p0.ssl.img.360kuai.com/t013e0223101034d570.png","width":"695"},{"desc":"","height":"381","title":"","url":"https://p0.ssl.img.360kuai.com/t01a20b31de30ff7049.png","width":"627"},{"desc":"","height":"255","title":"","url":"https://p0.ssl.img.360kuai.com/t0190271e5401a49b10.png","width":"694"},{"desc":"","height":"254","title":"","url":"https://p0.ssl.img.360kuai.com/t016e612f1fd76f74cb.png","width":"691"},{"desc":"","height":"420","title":"","url":"https://p0.ssl.img.360kuai.com/t01d70903232c55da24.png","width":"694"},{"desc":"","height":"773","title":"","url":"https://p0.ssl.img.360kuai.com/t01cb240fe35b514cc4.png","width":"619"},{"desc":"","height":"367","title":"","url":"https://p0.ssl.img.360kuai.com/t01ac9cbd4f1ca2cc0d.png","width":"609"},{"desc":"","height":"287","title":"","url":"https://p0.ssl.img.360kuai.com/t010d2a9ed040818590.png","width":"607"},{"desc":"","height":"368","title":"","url":"https://p0.ssl.img.360kuai.com/t01e7939f217d8eb6b2.png","width":"610"},{"desc":"","height":"324","title":"","url":"https://p0.ssl.img.360kuai.com/t016190c4b8ee0309c2.png","width":"602"},{"desc":"","height":"368","title":"","url":"https://p0.ssl.img.360kuai.com/t01a27381672c01f697.png","width":"605"},{"desc":"","height":"429","title":"","url":"https://p0.ssl.img.360kuai.com/t01f4cc920cc3a61266.png","width":"604"},{"desc":"","height":"367","title":"","url":"https://p0.ssl.img.360kuai.com/t011e06853b1dd5f53a.png","width":"605"}]}],"original":0,"pat":"art_src_0,fts0,sts0","powerby":"cache","pub_time":1712913424000,"pure":"","rawurl":"http://zm.news.so.com/94fe3de7a27e3dfa937cb3a84d1e4088","redirect":0,"rptid":"327741b48e99043e","rss_ext":[],"s":"t","src":"天演融智","tag":[],"title":"Stata软件之双重差分法（DID）

符爸丁877分时走势图怎么看
颜娄洁18739386890 ______ 分时走势图也叫即时走势图,它是把股票市场的交易信息实时地用曲线在坐标图上加以显示的技术图形.坐标的横轴是开市的时间,纵轴的上半部分是股价或指数,下半部分显示的是成交量.分时走势图是股市现场交易的即时资料. 分时走势...

符爸丁877DF检验、ADF检验、granger检验和协整分析 用stata软件的命令是什么? -
颜娄洁18739386890 ______ df检验:dfuller x adf检验:不含截距项和时间趋势- dfuller x, noconstant regress lags(n) 含截距项但不含时间趋势- dfuller x, regress lags(n) 含截距项和时间趋势- dfuller x, regress trend lags(n)

符爸丁877stata 如何做时间序列的单位根检验 和二阶拆分stata 如何做时间序列的单位根检验 和二阶拆分,假如数据是这样:x date11 2002010112 20020102……求完... -
颜娄洁18739386890 ______[答案] 使用时间序列前,要先设置时间t 如果你已有t变量, tsset t 单位根 dfuller x 一阶拆分 gen x1=x-l.x 二阶拆分 gen x2=x1-l.x1

符爸丁877一个物体沿着直线运动,其速度 - 时间图象如图所示.求它在1s末、4s末、7s末三个时刻的速度大小和方向?它 -
颜娄洁18739386890 ______ ①在1s末,速度等于前2s的平均速度,为:v1= v0+v2 2 =1+2 2 =1.5m/s,沿着正方向;加速度:a1= v2?v0 t2 =2?1 2 =0.5m/s2,沿着正方向;②4s末速度为2m/s,沿着正方向;加速度为零;③7s末,速度等于6s到8s的平均速度,为:v1= v6+v8 2 =2+0 2 =1m/s,正方向;加速度:a3= v8?v6 △t =0?2 2 =-1m/s2,负方向;答:1s末,速度为1.5m/s,正方向;加速度为0.5m/s2,沿着正方向;4s末速度为2m/s,沿着正方向;加速度为零;7s末,速度为1m/s,正方向;加速度大小为1m/s2,沿着负方向.

符爸丁877如何用EXCEL做一个横坐标为日期,但是日期间隔又是不等的趋势图?excel -
颜娄洁18739386890 ______ Excel2003:图表选项 -> 坐标轴 -> 主坐标轴 -> 分类x轴 -> 时间刻度 更高版本的:坐标轴选项,坐标轴类型, 选择“日期坐标轴”

符爸丁877分析股票一般看多长时间的走势比较准确 -
颜娄洁18739386890 ______ 分析股票的走势不同周期都应该观察,分时图、日线、周线等都要看.不同周期应结合起来一起看,共同判断个股的未来走势.大部分情况下看月线是长线朋友的最爱;看周线是中线朋友最基本的要求;看日线是短线朋友最起码的看盘要领、趋势技巧;至于30分钟、60分钟是当天买入或者卖出股票应该注意的相对高低点位了.

符爸丁877趋势图怎么设置横轴的一天之内时间间隔,纵轴去统计数据 -
颜娄洁18739386890 ______ 进行统计的时候,添加了一张新的表.

符爸丁877stata sum命令结果输出的问题我在用sum对一列数求和的时候,结果输出的是第一个数到最后一个数的累计求和的数列,我想引用最后的总和,请问怎么改? -
颜娄洁18739386890 ______[答案] help egen

（编辑：自媒体）
相关推荐
  • stata时间序列怎么输入
  • stata如何识别日期变量
  • stata时间序列回归命令
  • stata日期型数据处理
  • stata如何画趋势图
  • stata时间变量转换
  • stata时序图命令
  • stata趋势外推法预测数据
  • stata处理时间序列数据
  • stata最小值min
  • stata时序图怎么画
  • stata案例分析pdf
  • stata做平行趋势检验
  • stata建立时间序列
  • stata一阶差分的命令
  • stata设置季度时间序列
  • stata生成时间序列数据
  • stata中时间的设定
  • stata时间序列图命令
  • stata时间序列回归步骤
  • stata经典分析案例
  • stata怎么画时间趋势图
  • stata时间序列分析代码
  • stata趋势图命令
  • stata时间变量处理
  • stata制作一次拟合图
  • stata时间序列步骤
  • stata怎么设置时间序列
  • stata删掉第一行
  • stata时间序列怎么输入
    • 关于我们 | 客户服务 | 服务条款 | 联系我们 | 免责声明 | 网站地图 @ 白云都 2024