did的固定效应吸收

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

各位大佬好，在做did的时候，使用reghdfe模型，吸收了固定效应。但是没有吸收城市固定效应和个体固定效应，也没有在回归中加treat，时间固定效应倒是吸收了，所以实际跑回归的时候treat不会被omit掉。这样我的did里面是不是包含了treat的效果，会不会被挂啊。球球了，各位，我不想延毕啊。

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：固定效应 DID 个体固定效应 treat Eat

恳请各位老师回答。答案残酷也是可以接受的。我已经跑完控制个体、时间效应的结果了，但是文章需要重写的部分实在是太多了。如果能不重写当然最好了。如果一定要重写，那也是没办法的事情。

按照你说的设定的话就已经不是DID了

917968079 发表于 2025-2-11 18:52
按照你说的设定的话就已经不是DID了

老师您好，您的意思是对于只控制post*treat, post的回归，就不是did回归了，虽然结果可能有一定的价值，但是整个论文的格式不能按照did写。是这样吗？

看这个脚注

参看《多个大股东与股价崩盘风险》脚注

赶快准备延毕

核心疑问可以拆解成两个关键结论，先直接明确答案：

• 只吸收时间固定效应、没吸收城市/个体固定效应，且回归中只有 post×treat 和 post 的设定，严格来说不是合格的双重差分（DID）模型；
• 这个设定的结果可能有参考价值，但不能按照DID的框架写进论文，大概率会被审稿人质疑核心识别策略不成立。
  

一、为什么这个设定不满足DID的核心要求？

双重差分的本质是“双重差分估计处理效应”，其识别依赖四个核心维度的比较：

• 处理组×政策后
• 处理组×政策前
• 对照组×政策后
• 对照组×政策前
  

而实现这一比较的前提是，回归模型中须包含三个核心项 + 固定效应组合：

• treat：区分处理组和对照组（核心分组变量）
• post：区分政策实施前后（核心时间变量）
• post×treat：DID的核心估计量，即政策的平均处理效应（ATT）
• 个体/城市固定效应 + 时间固定效应：控制不随时间变化的个体异质性、不随个体变化的时间冲击
  

你当前的问题出在两点：

• 缺少个体/城市固定效应：这会导致模型无法控制处理组和对照组之间先天的、不随时间变化的差异（如城市资源禀赋、个体特征差异）。如果处理组和对照组本身就存在系统性差异， post×treat 系数会混杂这些差异，无法准确反映政策效应。
• 虽然没被omit，但仅靠时间固定效应不足以支撑DID的平行趋势假设：平行趋势是DID的灵魂假设，而个体/城市固定效应是检验和满足这一假设的关键——它能剥离掉组间的固定差异，让我们只关注组内的时间变化趋势是否平行。
  

二、“只控制post×treat和post”的结果是什么？

这个设定本质上是“交互项回归”，而非DID。系数解读是：

• post 的系数：对照组在政策前后的平均变化
• post×treat 的系数：处理组相对对照组的额外变化
  

但问题在于，这个“额外变化”没有排除个体/城市固定差异的干扰，可能是政策效应，也可能是处理组本身就有的趋势差异。因此，这个结果可以作为探索性分析，但不能称是DID的因果识别结果。

三、关于“要不要重写”的现实建议

• 选择：补加个体/城市固定效应，重新跑DID

  
  
  • 这是规范的做法，也是审稿人能接受的唯一路径。
  • 操作上其实不复杂：在 reghdfe 命令中加入 absorb(个体/城市id 时间id)，然后回归式中加入 treat 变量（此时 treat 不会被omit，因为个体固定效应控制的是个体层面的固定差异，treat 是分组变量，若同一城市/个体的 treat 取值固定，treat 会被个体固定效应吸收——这时候才是正常的！）
  • 补充：如果 treat 是个体层面的固定分组（比如某类企业永远是处理组），那么 treat 会被个体固定效应吸收，此时回归式中只需要 post 和 post×treat 即可，这是合格的DID设定（你之前的问题是没加个体固定效应，而非没加 treat 变量）。
    

• 退而求其次：如果实在不想重写大量内容

  
  
  • 不能提DID，把模型定义为“分组双重差分的探索性分析”，并明确说明模型的局限性（未控制个体固定效应，结果仅供参考）。
  • 补充稳健性检验：如倾向得分匹配（PSM）+ 交互项回归，或者加入更多的控制变量来尽可能捕捉个体/城市差异。
  • 但这种做法风险很高，大概率会被审稿人要求补做标准DID。
    

总结

• 没加个体/城市固定效应 = 不是合格DID = 不能按DID写论文
• 补加固定效应是唯一的规范路径，虽然要重跑结果，但能让论文核心识别策略站得住脚。
  

可以把当前的回归命令和变量定义（比如treat是城市层面还是企业层面、是否随时间变化），判断加入固定效应后treat是否会被吸收，以及如何调整命令最省事。

核心疑问可以拆解成两个关键结论，先直接明确答案：

• 只控制 post×treat、post，且没吸收城市/个体固定效应的回归，严格来说不算双重差分（DID）；
• 这个回归结果有一定统计价值，但论文不能按照DID的框架来写，强行套用大概率会被审稿人质疑甚至拒稿。
  

一、为什么这个设定不是严格的DID？

双重差分的核心逻辑是 “双重差分=组别固定效应+时间固定效应+政策交互项”，对应的基准回归公式是：

其中：

• = 个体/城市固定效应（控制组别间不随时间变化的差异，如地区禀赋、个体特征）
• = 时间固定效应（控制所有组别随时间变化的共同冲击，如宏观经济波动）
  

操作中只吸收了时间固定效应，缺少了个体/城市固定效应，同时回归里只放了和——这个设定本质上是 “分组前后的均值比较”，而非双重差分。

关键问题在于：

• DID的核心假设是 “平行趋势假设”，而这个假设的验证和成立，依赖于个体/组别固定效应的控制。没有，无法剥离组别本身的固有差异，也就无法证明“处理组和对照组在政策实施前的趋势是平行的”。
• 缺少个体固定效应时，（如果放入）会和完全共线，但没放，导致模型无法区分“组别差异”和“政策效应”——系数可能混杂了组别本身的差异，而非纯粹的政策效果。
  

二、为什么treat没有被omit？

提到“没吸收城市/个体固定效应，所以treat不会被omit”，这个逻辑是对的：

• 当模型中加入**个体固定效应**时，（个体是否属于处理组，是不随时间变化的虚拟变量）会和完全共线，因此会被自动省略（omit）。
• 没加， 不与任何变量共线，但实际跑的是 post×treat 和 post，本质上是把的效应“藏”在了交互项里——但这种藏法，恰恰违背了DID的识别逻辑。
  

三、这个结果有价值吗？能补救吗？

• 结果的价值：这个回归的系数，可以理解为 “处理组在政策前后的变化幅度，与对照组在政策前后的变化幅度之差”，有一定的描述性统计意义，但不能被解读为“政策的因果效应”。

• 补救方案（不用重写整篇的核心思路）： 核心诉求是“少重写”，最优解是 “补加个体/城市固定效应，把模型改成标准DID”，而不是放弃DID框架。具体步骤：

  
  
  • 第一步：用 reghdfe 补加个体/城市固定效应，命令示例：reghdfe Y post##treat [if ...], absorb(个体ID 时间) vce(robust)
  • 第二步：验证平行趋势假设（这是DID的灵魂，必须做），可以通过事件研究法（Event Study）实现。
  • 第三步：在论文中说明“最初的模型存在设定缺陷，后补充了个体/城市固定效应，修正为标准DID模型”——只要修正后的结果稳健，审稿人一般不会过度纠结初稿的设定问题。
    

四、论文能不能按DID写？

不能。理由很简单：

• 审稿人对DID的判定标准非常明确，核心就是“双向固定效应（个体+时间）+ 政策交互项”。缺少个体固定效应的设定，会被直接判定为“伪DID”。
• 如果你强行按DID写，审稿人会立刻质疑：“为什么没控制个体固定效应？平行趋势假设如何验证？” 这些问题你无法回答，最终大概率会被拒稿。
  

总结

• 现状：模型是分组均值比较，不是DID，不能按DID框架写论文。
• 最优解：补加个体/城市固定效应，修正为标准DID模型，补做平行趋势检验——这个操作的工作量远小于重写整篇论文。
• 最坏情况：如果补加固定效应后结果完全不显著，那只能放弃DID，转而将结果作为“描述性统计”呈现，重新设计论文的实证框架。
  

可整理一份标准DID模型的代码模板+平行趋势检验代码，直接替换变量