被解释变量是排序变量、分类变量时，多时点平行趋势检验怎么做呢？

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

看现在大多的多期还是用twfe、xtreg 当被解释变量是排序变量、分类变量，基准回归用的oprobit、mlogit时，平行趋势检验该怎么做呢？

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：解释变量 分类变量 多时点 怎么做 oprobit

进行多时点平行趋势检验时，可用面板数据模型（例如固定效应模型）来控制时间固定效应，并根据具体情况选择合适的统计方法来检验平行趋势的假设。一般的方法：
用面板数据模型（例如固定效应模型）控制时间固定效应。可用Stata中的xtreg命令进行估计。如果被解释变量是排序变量或分类变量，可考虑用xtreg, fe命令估计固定效应模型。
在进行多时点平行趋势检验时，可通过引入交互项来检验时间与处理组之间的交互作用是否显著。具体地，可在面板数据模型中添加处理组（例如oprobit或mlogit的处理组指示变量）与时间的交互项，并检验交互项的系数是否显著不同于零。
Stata代码：
* 使用固定效应模型控制时间固定效应
xtreg outcome_var treatment_var time_var, fe
* 添加时间与处理组的交互项
gen interaction_term = treatment_var * time_var
* 在固定效应模型中添加交互项
xtreg outcome_var treatment_var time_var interaction_term, fe
* 检验交互项系数是否显著不同于零
test interaction_term
以上代码中设outcome_var是被解释变量，treatment_var是处理组指示变量，time_var是时间变量。先用xtreg, fe命令估计固定效应模型来控制时间固定效应。然后生成处理组与时间的交互项，并在固定效应模型中添加交互项。最后，用test命令检验交互项系数是否显著不同于零，检验平行趋势假设。
可按具体数据和研究问题相应地调整和扩展。

当因变量为离散变量时，推荐采用 非线性双重差分模型 (Nonlinear DID) 进行平行趋势检验
实证案例参考
Beck et al. (2020) 研究银行监管（分类政策）对企业融资选择（有序变量）的影响：采用有序Logit模型
参考文献
Sun L, Abraham S (2021). "Estimating Dynamic Treatment Effects in Event Studies with Heterogeneous Treatment Effects"
Schmidheiny K, Siegloch S (2019). "On Event Study Designs and Distributed-Lag Models"
Roodman D (2022). "Nonlinear Difference-in-Differences with Staggered Treatment Timing"