合成控制did和工具变量如何结合使用

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

用面板数据做双重差分时，DD估计量需要用到工具变量，又因为期数太少不适合做平行趋势检验，所以用合成控制did法，用的命令是sdid，但是不知道要怎么结合工具变量呢？我尝试用工具变量对解释变量回归得到拟合值，用拟合值替代原解释变量，但是这样做的后果就是拟合值有些是很奇怪的，就会出现早期是控制组，后期反而是对照组的情形，所以就会报错，直接把这些反常的样本删掉进行回归似乎是有点草率了，求助各位大佬们，有没有办法能更好的解决这个问题呀？

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0 回帖

关键词：工具变量 DID 解释变量 双重差分 面板数据

首先，通过工具变量回归来获得解释变量的拟合值。这个拟合值将代替原解释变量在合成控制 DID 方法中使用。确保你的工具变量有效，并检查拟合值的分布和统计摘要，以确保没有异常值或不合理的拟合值存在。

接下来，应用合成控制 DID 方法，确保数据已按时间、处理组（treatment/control）和面板单位（panel unit）进行排序。这将产生合成控制 DID 估计值。

在处理异常值方面，可以考虑使用更适合的工具变量或鲁棒回归方法来减少其影响。如果异常值确实是数据问题，可以考虑排除这些样本，但要谨慎并充分解释排除的理由。

在进行双重差分估计时，使用工具变量是一种常见的方法来解决内生性问题。你可以尝试以下步骤来结合工具变量：

1. 使用工具变量对解释变量进行回归，得到拟合值。
2. 将拟合值替代原解释变量，进行双重差分估计。

然而，你提到拟合值出现了一些奇怪的情况，这可能是因为工具变量的选择不合适，或者存在其他问题。在这种情况下，你可以尝试以下方法来解决问题：

1. 检查工具变量的有效性：确保工具变量与解释变量的内生性问题相关，并且满足工具变量的相关性和外生性要求。
2. 尝试其他工具变量：如果当前的工具变量不合适，你可以尝试其他工具变量来解决内生性问题。
3. 进行敏感性分析：对于拟合值出现奇怪情况的样本，你可以尝试对这些样本进行敏感性分析，检验结果的稳健性。
4. 考虑其他方法：如果以上方法都无法解决问题，你可以考虑使用其他方法来处理内生性问题，如IV估计、匹配法等。

总之，解决双重差分估计中的内生性问题需要仔细选择合适的工具变量，并进行有效性检验和敏感性分析，以确保结果的可靠性。如果问题仍然存在，可以考虑其他方法来处理内生性问题。

oliyiyi 发表于 2023-9-2 21:04
首先，通过工具变量回归来获得解释变量的拟合值。这个拟合值将代替原解释变量在合成控制 DID 方法中使用。 ...

感谢大佬回复，我的工具变量和解释变量都是0-1变量，所以我之前的做法是用logistic回归得到预测值，用预测值代入进行回归，这种做法是否可行呢？还是说工具变量的两阶段必须都是ols回归才可？

我很少看到 DID 还要结合工具变量的情况 (可能是我孤陋寡闻)，但上述各种建议与作法，即使是某种程度对的，都会遇到最后结果"标准误"错误之问题 (generated regressor from the first stage regression)，所以稍微严格来讲 (不过我相信不少老师是不知道此点的)，是不可行的。

黃河泉 发表于 2023-9-4 11:16
我很少看到 DID 还要结合工具变量的情况 (可能是我孤陋寡闻)，但上述各种建议与作法，即使是某种程度对的， ...

谢谢黄老师提醒！我再想想要怎么稳妥处理

黃河泉 发表于 2023-9-4 11:16
我很少看到 DID 还要结合工具变量的情况 (可能是我孤陋寡闻)，但上述各种建议与作法，即使是某种程度对的， ...

很认同黄老师的观点，黄老师一如既往的严谨。
DID结合工具变量，可能是怀疑事件是内生的。
只不过csdid估计结果是多个OLS估计结果的加权平均，如果OLS估计条件都不满足，那么csdid估计结果准确性无从说起。使用csdid指令，至少得有一定的样本量。

使用工具变量的本质是为了解决线性模型中核心解释变量内生性的问题，通过工具变量和控制变量对核心变量进行线性拟合后（在线性模型中只能用线性拟合的方法），利用拟合值再次线性回归。did的本质是将一项事物（政策）当作外生冲击，通过引入虚拟变量交乘项进行线性回归，虚拟变量的加入可以简单理解为分组回归进行比较，因此虚拟变量交乘项一般不考虑内生性的问题，也就是不会和误差项相关。二者都是为了解决模型中解释变量内生性的问题。

跳出手掌心 发表于 2023-9-3 17:27
感谢大佬回复，我的工具变量和解释变量都是0-1变量，所以我之前的做法是用logistic回归得到预测值，用预测 ...

工具变量的两阶段必须都是ols回归，因为工具变量本质是在第一阶段对核心变量（具有内生问题）进行线性拟合，然后第二阶段将核心变量拟合值带入模型进行线性回归，这里面是环环相扣的，第一阶段的工作是为了保证第二阶段的线性模型满足高斯马科夫假定，如果用矩阵表述可能更清晰。题主第一阶段用logistic应该是注意到对二值变量进行线性回归存在问题，所以用非线性模型进行拟合，但题主要注意线性模型和非线性模型估计的底层逻辑是不一样的，比如ols是最小化残差平方和、mle是找似然函数。