让不懂建站的用户快速建站，让会建站的提高建站效率！
列位作念实证推敲的小伙伴们，民众好！肯定许多一又友在作念DID分析时皆遭受过这样的困扰：平行趋势假定老是很难达到预期的条件。明明表面上搞定组和对照组应该知足平行趋势，但事件推敲法的图形老是自满战术前就存在权贵的总共，让东说念主怀疑是不是识别策略出了问题。
别焦灼，今天给民众先容一个出奇实用的格局——平行趋势去均值，这但是一个八成有用已毕'调平行趋势'的神器。通过这个格局，咱们不错剔除那些由搀杂成分形成的'假象'，让确切的战术效应浮出水面。
为什么传统的平行趋势检会老是'不达标'肯定民众皆有过这样的经验：花了很长时间构建DID模子，满怀期待地跑出事件推敲法的成果，却发现战术前的总共权贵不为零。这时间心里就启动犯陈思：是不是数据有问题？照旧模子设定鉴识？
其实啊，这种情况比咱们假想的要常见得多。在试验的推敲环境中，即使搞定组和对照组在战术前确乎解任相似的发展轨迹，但由于存在各式难以不雅测的搀杂成分，咱们揣摸出来的战术前总共连接不为零。这就好比拍照时的布景杂音，固然不影响主体，但会骚动咱们对图像的判断。
去均值格局的中枢想路去均值格局的中枢想想其实很朴素：既然战术前的那些非零总共主如若由搀杂成分形成的'系统性偏差'，那咱们就把这部分偏差融合'减掉'，让确切的战术效应显显现来。
具体来说，咱们先野心战术前统统总共的平均值，然后用每个总共减去这个平均值。这样作念的妙处在于，退换后的战术前总共平均值正巧为零，而战术后的效应也相应地去除了相同的偏差，从而得到更结拜的战术影响。
用数学公式抒发等于：
手把手教你已毕去均值格局第一步：照常生成动态搞定变量这一步和传统格局十足一样，咱们以多期DID为例：
gen policy = (year >= action)bys id:egen gvar = min(action) gen nevertreat =(gvar==.)gen rel_time = year - gvarforvalues i = 5(-1)1{ gen pre_`i' = (rel_time == -`i' & nevertreat == 0)}gen current = (rel_time== 0 & nevertreat == 0)forvalues j = 1(1)6{ gen post_`j' = (rel_time == `j' & nevertreat == 0)}drop pre_1 // 删除基准期第二步：跑事件推敲法回首这里也和正常一样：
reghdfe 因变量 pre_* current post_* 放胆变量, absorb(ind#year stkcd) vce(cluster city)第三步：这里启动'变魔术'
重要的去均值搞定来了！当先用parmest敕令把回首总共索取出来：
parmest, format(estimate min95 max95 %8.3f p %8.3f) saving('temp1.dta', replace)use 'temp1.dta', clearkeep if ustrregexm(parm, 'pre|post') // 只保留咱们体恤的动态效应总共gen num = _n // 给总共编个号gen minus = num if ustrregexm(parm, 'current') // 找到战术当期的位置fillmissing minusgen id = num - minus // 野心相干于战术当期的位置接下来等于中枢的去均值操作：
egen average = mean(estimate) if id < -1 // 野心战术前总共的平均值fillmissing average // 把这个平均值填充到统统行replace estimate = estimate - average // 每个总共皆减去这个平均值第四步：重新野心置信区间并绘制gen ul = estimate stderr * 1.65 // 重新野心置信区间gen ll = estimate - stderr * 1.65for var estimate ul ll: replace X = 0 if mi(t) // 基准期设为0#delimit ;two (scatter estimate id, c(l) color(black) msize(small)) (scatter ul id, c(l) m(none) color(gs5) lp(dash)) (scatter ll id, c(l) m(none) color(gs5) lp(dash)), yline(0, lp(dash) lc(gs10)) xline(-1, lp(dash) lc(gs10)) xlabel(-5(1)6, nogrid labsize(small)) ylabel(, nogrid format(%4.2f) labsize(small)) xtitle('相对时间') ytitle('战术效应') legend(off) graphregion(color(white));#delimit cr为什么这个格局这样有用
去均值格局的魔力在于它的直不雅性和有用性。假想一下，如果咱们不雅察到的战术前总共皆在某个水平线落魄波动，那么这个水平线很可能就代表了系统性偏差。通往日除这个偏差，咱们就能看到确切的相对变化趋势。
更进军的是，这种退换是对称的。也等于说，战术前和战术后的总共皆被减去了相同的数值，是以战术效应的相对大小并莫得被东说念主为夸大或收缩，仅仅去除了'布景杂音'。
什么时间该用这个格局一又友们可能会问：什么情况下需要用去均值格局呢？我的提议是：
当你发现传统的平行趋势检会自满战术前存在权贵总共，但从表面和试验情况看，搞定组和对照组确乎应该知足平行趋势时，就不错议论使用这个格局。出奇是在濒临复杂的战术环境，存在许多难以放胆的搀杂成分时，去均值格局八成帮你取得更确实的成果。
天然，使用这个格局时也要老诚。在论文中应该同期敷陈传统格局和去均值格局的成果，让读者了解退换前后的互异，这样才略增强推敲的透明度和确实度。
小贴士和正式事项使用去均值格局时有几个小细节需要正式。当先，确保你有富足的战术前不雅测期，这样野心出来的平均值才会比拟踏实。其次，这个格局的前提是以为战术前的非零总共主要来自搀杂成分，如果你的推敲布景不适合这个假定，就需要严慎使用了。
终末，铭刻在展示成果时作念好标注天元证券官网_智能配资系统与实盘交易平台助您高效理性投资，让读者知说念你使用了去均值退换。毕竟，透明的推敲历程是取得同业招供的进军基础。
本站仅提供存储做事，统统实质均由用户发布，如发现存害或侵权实质，请点击举报。天元证券官网_智能配资系统与实盘交易平台助您高效理性投资提示：本文来自互联网，不代表本网站观点。