谁人不识汤二子

夸克之一 发表于 2011-11-1 17:45
如果讨论的是如上面的“省-县”这类的问题，那会很难，因为你无法控制整个政策制定和执行的全部流程。但在 ...

呵呵,如果是宏观问题,那各个省(县)本来就是一个group阿,宏观政策通常都是aggregate 冲击阿

sphinx_xzw 发表于 2011-11-1 18:49
呵呵,如果是宏观问题,那各个省(县)本来就是一个group阿,宏观政策通常都是aggregate 冲击阿

前面在讨论是“省管县”，呵呵。在同一个省里，有一些县是省直管的，有些不是。所以，国内有人做了这方面DID。但正如你所言，冲击一般影响面比较大，要厘清“省直管”的作用，实际操作起来不容易。

sphinx_xzw 发表于 2011-11-1 17:40
对于研究treatment effect的问题,找treat和没有treat的样本很难么?我没做过这类文章,不太清楚,随便问问,呵 ...

treat和没有treat的样本很多，但是treat在中国的绝大多数情况下并不是随机的一个东西，比如我们之前做过一篇农村医疗保险的文章也用了DID，但哪些县有农保，哪些县没有，根本就是内生的，这个县本来就要做榜样县，什么政策都给他，才有了农村医保，他比起别的县来说，随时间变化的效应实在太大了，DID没有办法处理的。所以最后是Propensity Score Match和DID混合使用，才得到了稍微好一点的结果。

ciang 发表于 2011-11-2 06:18
treat和没有treat的样本很多，但是treat在中国的绝大多数情况下并不是随机的一个东西，比如我们之前做过一 ...

是啊。等于要做两步，先selection。

所以我说如果是微观的数据（试验自己设计）在选择treatment的时候就基本能保证随机。而在实际中国政策执行等方面就会遇到阻力，因为政策选择在哪里实行是内生的。
这篇也是PSM和DID混用的：The New Cooperative Medical Scheme in Rural China:  Does More Coverage Mean More Service and Better Health?

夸克之一 发表于 2011-11-2 05:54
是啊。等于要做两步，先selection。

所以我说如果是微观的数据（试验自己设计）在选择treatment的时候 ...

唉，其他我不知道，我就知道NEAREST NEIGHBOUR MATCHING不能用BOOTSTRAPPING。

eiri 发表于 2011-11-2 07:05
唉，其他我不知道，我就知道NEAREST NEIGHBOUR MATCHING不能用BOOTSTRAPPING。

你是这方面专家啦。

JMP写得咋样了啊？啥时候让我膜拜下？哈哈

夸克之一 发表于 2011-11-2 05:54
是啊。等于要做两步，先selection。

所以我说如果是微观的数据（试验自己设计）在选择treatment的时候 ...

其实同时用这两种方法做中国问题的也没有几篇……

夸克之一 发表于 2011-11-2 05:54
是啊。等于要做两步，先selection。

所以我说如果是微观的数据（试验自己设计）在选择treatment的时候 ...

学习了~

这个名字够响亮

ciang 发表于 2011-11-1 04:15
DID在中国没人用也是很正常的，美国每一个州都有独特法律税率，在州的内部还会有差异，给DID提供了天生的 ...

我个人觉得还是有办法解决“省管县”之类的aggregate shocks的。

理论文章是Abadie, Diamond, and Hainmueller (2007)，具体方法大家可以慢慢看。他们关于加州烟草的案例分析完全可以借鉴。

而且synth程序在STATA当中也有了，可以直接使用。
在理解了理论的前提下，STATA的命令并不复杂。假设有10个县，分别为x1-x10，其中x1为省管县。我们对人均纯收入(y)感兴趣，省管县年份为2003，总样本年份为1998-2008，其他控制变量为Z。

命令如下：

synth y Z, trunit(id_x1) trperiod (2003) fig

汇报结果和直接生成图像（图像中会显示treated group和synthetic contro group)。其中id_x1只是我为表述方便，在数据中x1县的id代码为多少就输入多少（数字），比如代码为110，trunit就输入110。