使用eventdd命令所有年份都被omitted

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

刚开始学习使用eventdd命令，我的模型中所有个体的政策时点一致，使用eventdd进行平行趋势检验所有年份都被omitted，是因为政策实施的相对时间变量dist不随个体变化所以被时间固定效应吸收了吗？

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：omitted Event Even vent MIT

命令如下：
eventdd RES $xlist, timevar(dist) method(hdfe, absorb(year) cluster(city1)) graph_op(ytitle("1"))
stata返回：
note: lead9 is probably collinear with the fixed effects (all partialled-out values are close to zero; tol = 1.0e-09)
note: lead8 is probably collinear with the fixed effects (all partialled-out values are close to zero; tol = 1.0e-09)
note: lead7 is probably collinear with the fixed effects (all partialled-out values are close to zero; tol = 1.0e-09)
note: lead6 is probably collinear with the fixed effects (all partialled-out values are close to zero; tol = 1.0e-09)
note: lead5 is probably collinear with the fixed effects (all partialled-out values are close to zero; tol = 1.0e-09)
note: lead4 is probably collinear with the fixed effects (all partialled-out values are close to zero; tol = 1.0e-09)
note: lead3 is probably collinear with the fixed effects (all partialled-out values are close to zero; tol = 1.0e-09)
note: lead2 is probably collinear with the fixed effects (all partialled-out values are close to zero; tol = 1.0e-09)
note: lag0 is probably collinear with the fixed effects (all partialled-out values are close to zero; tol = 1.0e-09)
note: lag1 is probably collinear with the fixed effects (all partialled-out values are close to zero; tol = 1.0e-09)
note: lag2 is probably collinear with the fixed effects (all partialled-out values are close to zero; tol = 1.0e-09)

刚才试验了一下，确实应该是政策时间dist导致的问题，那想请问eventdd是否有方法应用在普通did中？

在Stata中使用`eventstudy`或`eventdd`命令来进行平行趋势检验（DID分析）时，如果出现所有年份被标记为omitted的情况，这通常意味着模型识别出现了问题。在您的情况下，由于您提到“所有个体的政策时点一致”，这意味着没有足够的变异来估计不同时间窗口的效应，因为时间固定效应将吸收掉了一个恒定的时间点信息。

具体来说：

1. **无变异：** 如果每个观测值（个体）在政策实施前后的相对时间都是相同的，那么模型就无法区分出不同时间段的影响。事件研究设计依赖于处理状态随时间变化来识别冲击效应；如果这种变化不存在，则模型将缺乏必要的变异来进行估计。

2. **时间固定效应的吸收：** 当您包括时间固定效应时，它会控制每年（或每个相对年份）的平均趋势。如果所有个体在政策实施的时间点上都相同，那么这个具体的时间点效果就会被时间固定效应完全“吃掉”，导致无法估计该处理时段的具体影响。

为了解决这个问题，您可以尝试以下几种方法：

- **增加变异：** 如果可能，考虑增加样本中的观测单位（如不同地区、行业或个体），以确保在政策实施的相对时间上存在变异。这将提供足够的信息来估计不同时间段的影响。
  
- **调整模型设定：** 重新考虑是否需要包含所有的时间固定效应。有时，移除某个特定年份的固定效应可能有助于识别政策冲击。

- **使用其他方法：** 考虑采用不同的实证策略，如基于合成控制法（Synthetic Control Method）或其他不依赖于平行趋势假设的方法来评估政策效果。

总之，在处理事件研究分析中出现omitted问题时，关键在于确保模型中有足够的变异来识别不同时间点或时间段的效应。

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