发帖
雷达卡
2）与模拟数据用法
contdid 是 CRAN 上的一个 R 包，做的是"处理强度连续、且实施时点错开"的 DID。作者是 Brantly Callaway、Andrew Goodman-Bacon 与 Pedro
H. C. Sant'Anna，方法出自三人 2025 年的论文，包版本 0.1.2，2026 年 10 月 30 日上架，许可 GPL-3，要求 R 4.1.0 及以上。
它和常见的 did 包最大的区别在变量含义：did 包用 gname 表示"哪一期开始处理"，而 contdid 用 dname 表示"这一期处理的量"。这个差别决定了整个数据准备方式，也是用错频率最高的地方。
数据要长什么样：剂量列必须个体内不变
手册对 dname 的要求写得很明确：它是某一期处理的"数量"，而且对同一个个体，这个值必须在各个时期保持一致，pre-treatment 时期也一样。gname 仍然是处理起始期，从未参与处理的单位把 gname 设为 0。从未处理单位的剂量在某些应用里可能无法定义，函数会忽略。
这条约束听起来别扭，实际含义是：连续 DID 里的"剂量"是个体被暴露的强度（比如补贴比例、覆盖人口占比、政策力度打分），它不随年份变化，变化的是"什么时候开始暴露"。
主函数 cont_did 的三组关键参数
主函数签名很长，但真正决定研究问题的是三组。
第一组是 target_parameter，两个取值：level 报告水平效应，也就是通常说的 ATT；slope 报告斜率效应，也就是 ACRT（平均因果反应），衡量"剂量每增加一单位，结果改变多少"。
第二组是 aggregation，三个取值：dose 在时点组与时间上取平均，把结果写成剂量的函数；eventstudy 在时点组与剂量上取平均，把结果写成暴露时长的函数；none 是留给完全拆解结果的占位符，手册明确说目前还不支持。
第三组是 dose_est_method，parametric 用 B 样条并假定设定正确，cck 用 npiv 包做数据驱动的非参数估计，方法来自 Chen、Christensen 与 Kankanala 2025 年发表在 Review of Economic Studies 的文章。
组合会改变问题本身
手册专门用一段提醒：target_parameter 与 aggregation 的组合会显著改变函数行为与分析目标。举的例子很关键，level 配 eventstudy 等价于把处理二值化（只要接受过任何正剂量就算处理组）再跑事件研究。
这意味着"我选了事件研究"并不等于"我在做连续处理"。要做真正的连续处理分析，通常要么是 slope 配 dose（看剂量反应曲线），要么是 slope 配 eventstudy（看暴露时长如何改变斜率）。
剂量曲线的两种估计
parametric 路径下，degree 默认 3，配合默认的 num_knots = 0，等价于在处理组里拟合一个关于剂量的三次多项式；degree 取 1 是线性，取 2 是二次。节点越多越灵活，但有偏误与方差的权衡，手册明确提到这一点。
cck 路径不指定函数形式，直接从数据里估剂量反应，代价是需要更大的样本与更多算力，依赖 npiv 的实现。
dvals 用来指定在哪些剂量上算效应，不指定时默认取所有曾处理单位剂量的分位数。
配套函数：从选节点到画图
choose_knots_even 与 choose_knots_quantile 是两个小工具，前者按等距放节点，后者按 x 的分位数放节点，都只接受剂量向量与节点数两个参数。
cont_did_acrt 是"在给定一个时点组与一个时期上算剂量效应"的底层函数，主函数内部会调用它；想自己拆解结果或做定制汇总时可以直接用。
cont_two_by_two_subset 用来抽出一个 2×2 子样本（指定组 g 与时期 tp），适合核对主函数的中间结果。
setup_pte_cont 做估计前的准备，把数据整理成后续要用的结构；ggcont_did 画图，type 取 att 画 ATT(d)，取 acrt 画 ACRT(d)，返回的是 ggplot 对象。
simulate_contdid_data 生成模拟数据，参数是样本量、时期数、组数、剂量线性效应与剂量二次效应，写论文做蒙特卡洛或教学演示都用得上。
手册里的示例流程
手册自带的例子很完整：先 set.seed(1234)，用 simulate_contdid_data 生成 5000 个个体、4 个时期、4 个组、剂量线性与二次效应都为 0 的数据；再调用 cont_did，指定 yname、tname、idname、dname、data 与 gname，选 target_parameter = "slope"、aggregation = "dose"、control_group = "notyettreated"，并把 biters 设为 50、cband 设为 TRUE、num_knots 设为
1、degree 设为 3；最后 summary 与 ggcont_did 出结果与图。
biters 默认是 1000，示例为了跑得快改成 50。做正式估计时不要沿用示例的 50，自助法次数太少会让置信带不稳。
读手册要注意的几处
control_group 的默认值在用法行与参数说明里不一致：用法行写 c("notyettreated", "nevertreated", "eventuallytreated")，按 R 的习惯默认取第一个；参数说明的文字却说默认是 nevertreated。以哪一个为准，最好在代码里显式写出来，别依赖默认值。
还有几处尚未支持：treatment_type = "discrete" 未支持，aggregation = "none" 未支持，xformula 协变量公式目前也不支持。手册里 allow_unbalanced_panel 的说明提到 att_gt() 会丢掉不在所有时期都出现的单位，这是沿用了 did 包的行为描述，用不平衡面板时要注意样本会被削掉。
权重部分也有一处细节值得看：当权重在个体内跨期不变时，各种处理方式结果一致；当权重随时间变化（例如逐年人口规模），平衡面板会用两个时点中较早那一期的权重。
版本与引用
0.
1.x 版本的接口还在变，升版后参数名与默认值都值得重新读一遍手册。方法本身引用 Callaway、Goodman-Bacon 与 Sant'Anna（2025），包的 DOI 指向 arXiv:2107.02637；写论文时方法与实现要分别引用，软件版本也要写清。
────────────────
CRAN 页面、参考手册与 PDF、GitHub 仓库与文档站、论文 DOI、完整参数表与许可条款原文，回复本帖即可见。
把经管之家装进你常用的 AI 智能体中 一键快捷安装经管之家 MCP／技能，让 AI 帮你查教程、找数据、读论坛帖子。 检索、阅读公开帖子不收费，安装可申请领取：3 通用积分＋100 论坛币＋3 元论坛资金 说明： AI 算力按所用平台规则计算；附件按原帖条件获取；福利领取条件以活动页面为准。 |
京公网安备 11010802022788号
