多期did可以控制时间和行业两个维度吗？

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

各位学术大咖好，本人在使用多期DID进行因果识别的时候，遇到了一些问题。
首先在基准回归部分控制了行业和时间两个维度的固定效应：

y=x+controls+ind+year

其次，在进行多期DID的时候公式能否这样写（只加入交互项和行业、时间固定效应）？

y=treat*post+controls+ind+year

因为主要参考了JF上那篇big bad banks那篇文章的code，发现基本上都是控制到个体、时间维度，不知道小弟这样做能否可行？

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2 回帖

关键词：DID Controls control Contro contr 多期DID 固定效应 DID

时间固定不用说，是肯定要控制的。控制行业固定效应可能不太行，除非你的处理组是在行业层面接受处理的，也就是说政策是对行业产生的冲击。否则的话还是要控制城市或者个体固定效应的。

哥哥海哥哥 发表于 2022-8-20 14:12
时间固定不用说，是肯定要控制的。控制行业固定效应可能不太行，除非你的处理组是在行业层面接受处理的，也 ...

好的 谢谢

哥哥海哥哥 发表于 2022-8-20 14:12
时间固定不用说，是肯定要控制的。控制行业固定效应可能不太行，除非你的处理组是在行业层面接受处理的，也 ...

大神您好，我还想问下因为在赵静,黄敬昌,刘峰.高铁开通与股价崩盘风险[J].管理世界,2018,34(01):157-168+192.这篇文章中，作者做了如下处理：
“解释变量Train,等于1表示为实验组,等于0表示为控制组,当上市公司办公所在地在样本期间经历了高铁开通,则该公司样本为实验组取值为1,否则为控制组取值为0;Train Postt,上市公司办公所在地在高铁开通之后的年度为1,之前的年度为0(10)。我们感兴趣的系数为β2,衡量的是实验组上市公司在高铁开通前后股价崩盘风险的变化相比控制组上市公司股价崩盘风险变化的差异。我们预期β2为负,意味着高铁的开通缓解了股价崩盘风险,反之则表示高铁的开通加剧了股价崩盘风险。在本文中的所有回归我们均控制了年度和行业的固定效应,标准误在公司层面上进行了cluster调整。”
同样是在研究高铁开通对企业的影响时，固定了行业和年度固定效应，请问这个应该如何解释呢，谢谢

嗯，是这样的。我们在做did的时候，标准的做法应该是要采用双向固定效应的，在此基础之上再考虑一些行业固定之类的。这篇文章显然并没有控制个体固定（这里的个体固定是定义在城市层面的，因为高铁开通就是发生在城市层面的冲击），相反他用了一个更弱的specification，也就是定义train变量，允许实验组和控制组中的个体作为一个整体存在variation。这个specification的假设更强。他假设了实验组和控制组的个体在每个组内都有着相同的variation，而不是允许每个个体有不同的variation。所以如果你要follow他的identification的话，你就必须argue清楚为什么一个treat dummy可以准确识别出因果效应。所以我的建议仍然是添加城市层面的固定效应，或者更进一步，添加公司层面的个体固定。

哥哥海哥哥 发表于 2022-8-20 14:12
时间固定不用说，是肯定要控制的。控制行业固定效应可能不太行，除非你的处理组是在行业层面接受处理的，也 ...

那请问主回归控制了行业和时间，did解决内生性时控制个体和时间可以吗？还需要控制行业吗？谢谢！

哥哥海哥哥 发表于 2022-8-20 14:12
时间固定不用说，是肯定要控制的。控制行业固定效应可能不太行，除非你的处理组是在行业层面接受处理的，也 ...

您好，请问如果我的回归结果只有在固定行业和年份的时候才显著，我可以只固定行业和年份吗？因为我一控制个体就不显著了

玄玄果 发表于 2024-8-8 16:19
您好，请问如果我的回归结果只有在固定行业和年份的时候才显著，我可以只固定行业和年份吗？因为我一控制 ...

蹲一个，我也遇到了这个问题

玄玄果 发表于 2024-8-8 16:19
您好，请问如果我的回归结果只有在固定行业和年份的时候才显著，我可以只固定行业和年份吗？因为我一控制 ...

加蹲一个，我也遇到了同样的问题，跪求大佬解答

你的方法在理论上是正确的，并且在实践中也是合理的。多期DID（Difference-in-Differences）模型通过比较受政策影响组和未受影响组随时间的变化差异来识别因果效应。当你加入行业(ind)和年份(year)的固定效应时，你实际上就是在控制这两个维度上的任何时间不变或行业特有的因素。

公式:
\[ y = \beta_0 + \beta_1 treat*post + \mathbf{controls} + \alpha_{ind} + \gamma_{year} + \epsilon \]

这里的\(\beta_1\)是你的关键系数，它表示在控制了所有其他变量（包括行业和时间固定效应）后，处理组与对照组在政策实施后的差异。这种设定允许你检验政策的净影响，同时剔除了由于行业特征或经济周期性波动可能带来的偏差。

至于是否加入个体层面的固定效应，则取决于你的研究设计和数据结构：
- 如果你有每个观测单位（比如公司）的时间序列数据，并且想控制这些单位之间任何时间不变但个体特有的因素，那么你应该考虑加入个体固定效应。
- 在没有个体层面数据的情况下，行业和年份固定效应可以捕获大部分组间和时间上的变异性。

总的来说，你的做法是合理的。只要确保在解释结果时考虑到模型中所包含的控制变量和假设。

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