在多期DID(Difference-in-Differences)模型中,一直未实施政策的个体是重要的对照组。对从未实施政策的个体,policy_it 应该始终赋值为 0,并不会导致没有对照组,相反,这些个体的存在是要有一个对照组进行比较的关键。
具体来说,多期DID模型通过引入时间维度来处理政策实施的异质性,因此对于未实施政策的个体(即对照组),policy_it 始终为0,而对于实施了政策的个体,policy_it 会在实施政策的年份及之后赋值为1。下面是一个解释和示例
定义变量:
policy_it:个体 i 在 t 年是否实施政策。对实施了政策的个体,policy_it 会在实施政策的年份及之后赋值为1,否则为0。
Y_it:个体 i 在 t 年的结果变量。
CV_it:个体 i 在 t 年的控制变量。
多期DID模型:
reg Y_it policy_it CV_it i.id i.year
其中,policy_it 是关键的解释变量,i.id 和 i.year 分别是个体和年份固定效应。
示例数据:
假设有一个包含个体、年份、是否实施政策的简化数据集:
id year policy_it Y_it
A 2000 0 ...
A 2001 0 ...
A 2002 1 ...
A 2003 1 ...
B 2000 0 ...
B 2001 0 ...
B 2002 0 ...
B 2003 0 ...
这个示例中:
个体A在 2002 年实施了政策,因此 2002 年及之后的 policy_it 为 1,之前为 0。
个体B从未实施政策,因此所有年份的 policy_it 为 0。
Stata 回归:
在 Stata 中,模型可设定为:
reg Y_it policy_it CV_it i.id i.year
或者,如果用固定效应模型,可以用命令:
xtset id year
xtreg Y_it policy_it CV_it, fe
结论:
一直未实施政策的个体应该始终赋值为 0,作为对照组。实施了政策的个体在政策实施之后赋值为 1,之前为 0。这样可有对照组,并且模型能够正确地比较实施了政策和未实施政策的个体的差异。
|