郵箱：econometrics666@126.com

webuse nlswork  //使用系統(tǒng)自帶數(shù)據(jù)庫(kù)
xtset idcode year, delta(1)  //設(shè)置面板
xtdescribe   //描述一下這個(gè)面板數(shù)據(jù)情況

gen age2= age^2
gen ttl_exp2=ttl_exp^2
gen tenure2=tenure^2

global xlist "grade age age2 ttl_exp ttl_exp2 tenure tenure2 not_smsa south race"
sum ln_w $xlist  //統(tǒng)計(jì)描述相關(guān)變量

——————————————————————————————————
**DID方法-----------------------------------
gen time = (year >= 77) & !missing(year)  //政策執(zhí)行時(shí)間為1977年
gen treated = (idcode >2000)&!missing(idcode) //政策執(zhí)行地方為idcode大于2000的地方
gen did = time*treated  //這就是需要估計(jì)的DID，也就所交叉項(xiàng)

reg ln_w did time treated $xlist //這就是一個(gè)OLS回歸，也可以用diff命令
xtreg ln_w did time treated $xlist i.year, fe //也可以這去做，會(huì)省略掉一個(gè)虛擬變量

——————————————————————————————————
**PSM-DID方法-------------------------------

** PSM的部分
set seed 0001 //定義種子
gen tmp = runiform() //生成隨機(jī)數(shù)
sort tmp //把數(shù)據(jù)庫(kù)隨機(jī)整理
psmatch2 treated $xlist, out(ln_w) logit ate neighbor(1) common caliper(.05) ties //通過(guò)近鄰匹配，這里可以要outcome，也可以不要它
pstest $xlist, both graph  //檢驗(yàn)協(xié)變量在處理組與控制組之間是否平衡
gen common=_support
drop if common == 0  //去掉不滿足共同區(qū)域假定的觀測(cè)值

** DID的部分，根據(jù)上面匹配好的數(shù)據(jù)
reg ln_w did time treated $xlist
xtreg ln_w did time treated $xlist i.year, fe

**PSM-DID部分結(jié)束--------------------------------------

——————————————————————————————————
**DID方法需要滿足的五個(gè)條件檢驗(yàn)------------------------

**1.共同趨勢(shì)假設(shè)檢驗(yàn)

tab year, gen(yrdum) //產(chǎn)生year dummy，即每一年一個(gè)dummy變量
     forval v=1/7{
gen treated`v'=yrdum`v'*treated
}                     //這個(gè)相當(dāng)于產(chǎn)生了政策實(shí)行前的那些年份與處理虛擬變量的交互項(xiàng)
xtreg ln_w did treated*  i.year ,fe  //這個(gè)沒有加控制變量
xtreg ln_w did treated* $xlist i.year ,fe //如果did依然顯著，且treated*這些政策施行前年份交互項(xiàng)并不顯著，那就好
xtreg ln_w did treated* $xlist i.year if union!=1 ,fe //我們認(rèn)為工會(huì)會(huì)影響這個(gè)處理組和控制組的共同趨勢(shì)，因此我們看看union=0的情形

**2.政策干預(yù)時(shí)間的隨機(jī)性
gen time1 = (year >= 75) & !missing(year)  //政策執(zhí)行時(shí)間提前到1975年
gen treated1= (idcode >2000)&!missing(idcode) //政策執(zhí)行地方為idcode大于2000的地方
gen did1 = time1*treated1  //這就是需要估計(jì)的DID，也就所交叉項(xiàng)

gen time2 = (year >= 76) & !missing(year)  //政策執(zhí)行時(shí)間提前到1976年
gen treated2= (idcode >2000)&!missing(idcode) //政策執(zhí)行地方為idcode大于2000的地方
gen did2 = time2*treated2  //這就是需要估計(jì)的DID，也就所交叉項(xiàng)

xtreg ln_w did1 $xlist i.year,fe
xtreg ln_w did2 $xlist i.year,fe //看看這兩式子里did1和did2顯著不

**3.控制組將不受到政策的影響
gen time = (year >= 77) & !missing(year) 
gen treated3= (idcode<1600 & idcode>1000)&!missing(idcode) //我們考慮一個(gè)并沒有受政策影響地方假設(shè)其受到政策影響
gen did3 = time*treated3 
xtreg ln_w did3 $xlist i.year,fe //最好的情況是did3不顯著，證明控制組不受政策影響

**4.政策實(shí)施的唯一性，至少證明這個(gè)政策才是主要影響因素
gen time = (year >= 77) & !missing(year) 
gen treated4= (idcode<3000 & idcode>2300)&!missing(idcode) //我們尋找某些受到其他政策影響的地方
gen did4 = time*treated4 
xtreg ln_w did4 $xlist i.year,fe //did4可能依然顯著，但是系數(shù)變小，證明還受到其他政策影響

**5.控制組和政策影響組的分組是隨機(jī)的

xi:xtivreg2 ln_w (did=hours tenure) $xlist i.year,fe first //用工具變量來(lái)替代政策變量，解決因?yàn)榉纸M非隨機(jī)導(dǎo)致的內(nèi)生性問(wèn)題

——————————————————————————————————
**附加的，一般而言，我們需要看看這個(gè)政策的動(dòng)態(tài)影響-------------
     forval v=8/15{
gen treated`v'=yrdum`v'*treat 
}               //注意，這里yrdum8就相當(dāng)于year=78
 
reg  ln_w treated* 

xtreg  ln_w treated*, fe

xtreg ln_w treated* i.year,fe

xtreg ln_w treated* $xlist i.year,fe  //一般而言上面這些式子里的treated*應(yīng)該至少部分顯著

——————————————————————————————————

**RDD斷點(diǎn)回歸在這里的應(yīng)用-------------------

**最優(yōu)帶寬
rdbwselect ln_w year if 60<=year&year<=85,c(77) kernel(uni)  //這是第一個(gè)命令
rdob  ln_w year, c(77)                     //這個(gè)命令是imbens新開發(fā)的

**RDD回歸

reg ln_w time $xlist if 60<year&year<80  //直接對(duì)time這個(gè)虛擬變量做了ols

tab treated,missing
keep if treated==1
cmogram ln_w year,cut(77) scatter lineat(77) qfitci //這個(gè)可以畫出RDD回歸的圖

*計(jì)量社群里討論最多的也是這些東西，每天看上百條學(xué)術(shù)討論讓我們都受益頗多。

下面這些短鏈接文章屬于合集，可以收藏起來(lái)閱讀，不然以后都找不到了。