对政策省份和非政策省份进行异质性分析时，是否在分组的同时需要考虑到政策时间

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

对政策省份和非政策省份进行异质性分析时，是否在分组的同时需要考虑到政策时间

例如政策（个别省实施了，其他省份没有实施）实施在2017年，就该政策异质性分析而言，根据是否存在政策对省份分样本。

在这个时候需不需要只跑2017年以后的数据？如果整体年份放进来跑的话是存在问题的，因为很多数据是在政策发生前的，政策分类其实没有对那部分数据产生影响。

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏1 回帖

关键词：质性分析 异质性 部分数据

你这是个典型的DID啊，，不是异质性分析的问题

日新少年 发表于 2021-4-2 00:14
你这是个典型的DID啊，，不是异质性分析的问题

感谢回复。
对，这的确是DID，但可以当作异质性分析吗？因为我文章的基准回归并没有运用DID，也没有生成did变量。我只是想看看这个政策导致的省份划分会不会导致前文基准回归的异质性，结果显示这个政策的实施让部分省份的核心解释变量系数显著增大了。

Cqudewey 发表于 2021-4-2 09:49
感谢回复。
对，这的确是DID，但可以当作异质性分析吗？因为我文章的基准回归并没有运用DID，也没有生成 ...

你干脆做DID吧，不然基准回归被diss就不好办了

想问下对政策和非政策省份进行异质性分析，是否可以做交互项，就是X对Y的影响时，用post*treat政策变量在和X做交互项，从而进行异质性分析？

小七奇 发表于 2024-9-3 17:47
想问下对政策和非政策省份进行异质性分析，是否可以做交互项，就是X对Y的影响时，用post*treat政策变量在和 ...

post*treat=DID，政策实施后比如15年后被纳入试点地区的省份为1，政策实施前或未被纳入试点地区的省份为0

在进行异质性分析时，确实需要考虑到政策实施的时间点。这是因为政策的效果往往不会立即显现，而是会有一个渐进的过程。如果政策在2017年开始实施，那么在该年份之前的数据并不受到政策的影响，因此将其包含在模型中可能会稀释或混淆政策的实际效果。

为了更准确地评估政策影响，可以采取以下几种策略：

1. **断点回归**（Regression Discontinuity Design, RDD）：这种方法可以在政策实施前后立即进行比较，利用政策实施时间点作为“断点”，观察断点两侧数据的变化趋势是否有显著差异。

2. **差分法**（Difference-in-Differences, DID）：在你的例子中，可以将2017年及之后的数据作为分析的焦点。通过比较政策省份与非政策省份在政策实施前后的时间段内的变化情况来评估政策效果。这种方法要求你在政策实施前有一个时间窗口作为基线或对照期。

3. **动态DID**：如果数据允许，可以进一步探究政策影响随时间的变化趋势，即分析从政策实施初期到后期的异质性响应。这通常涉及到构建滞后项或者交互项来捕捉不同时间段内的效果差异。

因此，在实际操作中，只分析2017年及以后的数据是一种合理的做法，尤其是当你的主要兴趣在于评估政策本身的影响时。但是，如果条件允许，保留更长时间序列的数据用于基线或对照期的比较会提供更强有力的结果验证。

此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用