DID 事件研究平行趋势教程

DID 诊断

讲清楚政策时点来源、事件期区间、固定效应维度和聚类变量在 STATAU 中的填写方式。

常用 Stata 命令reghdfe y i.event_time##i.treat controls, absorb(entity year) cluster(entity)

在 STATAU 中打开此功能

事件研究平行趋势DIDreghdfe event study

这个页面解决什么问题

事件研究页不是为了立刻证明“政策有效”，而是先回答两个更基础的问题：政策实施前，处理组和对照组的趋势像不像；政策实施后，效果是马上出现、逐步累积，还是很快消失。只要这两个问题看清楚，DID 的解释才会更稳。

一图看懂

事件研究图解 — **读事件研究图时先看哪里**
先看处理前各期是否围绕零，再看处理后系数是持续上升、短期跳升还是没有明显变化。顺序不要反。

方法原理

事件研究会把样本按“距离政策实施还有多少期、已经过去多少期”排开，然后分别估计每一期的系数。最关键的不是某一个点，而是整条系数路径：处理前是否围绕零波动，处理后是否出现有逻辑的动态变化。

核心公式

事件研究的常见写法

y_{i t} = \sum_{k \neq - 1} β_{k} \cdot 1 (e v e n t_t i m e_{i t} = k) \times t r e a t_{i} + γ c o n t r o l s_{i t} + α_{i} + λ_{t} + ε_{i t}

这里最重要的是 $β_{k}$ 这一串系数。每一个 $β_{k}$ 都对应政策前后某一期的动态效应，页面里的“最小事件期、最大事件期、参考期”就是在控制这串系数怎么生成。

适用数据与前提

你需要先想清楚三件事：谁是处理组、时间是按年还是按季度记、政策时点从哪里来。如果数据里已经有 policy_year 这类字段，优先直接使用；没有时再考虑固定年份或自动识别。

STATAU 页面中每个位置应该放什么变量

网站位置	应放入的变量	说明
因变量 (Y)	政策影响的结果变量	例如产出、就业、创新、绩效。
处理组变量 (treat)	处理组识别变量	通常是 0/1，标记样本是否属于处理组。
时间 ID (Time)	年份 / 季度 / 月份	用于构造事件期。
政策时点来源	固定年份 / policy_year / DID 信号自动识别	决定事件期如何生成。
固定效应变量 (多选)	吸收维度	例如企业、年份、地区、行业。
聚类变量	聚类标准误维度	通常使用个体变量或地区变量。

Stata 等效代码

reghdfe [被解释变量] i.[事件期]##i.[处理组] [控制变量], absorb([固定效应]) cluster([聚类变量])

Stata 代码位置	STATAU 网站对应位置	应放入什么
`i.[事件期]##i.[处理组]`	政策时点来源 + 处理组变量	由处理组和事件期共同生成动态 DID 系数。
`absorb([固定效应])`	固定效应变量 (多选)	吸收个体、时间或其他研究设计要求的维度。
`cluster([聚类变量])`	聚类变量	仅在聚类标准误时填写。

可删除代码段提示

如果不做聚类标准误，可以去掉整个 `cluster([聚类变量])`。
如果所有处理组共享同一政策年份，可用固定年份，不必单独提供 `policy_year`。

在 STATAU 中操作步骤

先填写因变量、处理组变量和时间变量。
选择政策时点来源，再设定最小事件期、最大事件期和参考期。
勾选要吸收的固定效应维度，并选择标准误类型。
运行后重点查看处理前各期系数是否整体接近零。

结果怎么看

处理前 lead 系数若系统性偏离零，说明平行趋势可能不足。
处理后 lag 系数展示的是动态效应路径，要结合政策逻辑和时间窗口解释。
事件期区间设太宽但样本覆盖不足，尾部系数通常会很不稳定。

论文表述示例

可以写成：“事件研究结果显示，政策实施前各期系数未表现出系统性显著偏离，平行趋势假设得到一定支持。”

常见使用误区

把 did 或 post 误填到处理组位置，会直接干扰事件期识别。
没有 policy_year 时若自动识别 DID 信号，务必同时提供个体 ID。

DID 事件研究平行趋势教程 ​

这个页面解决什么问题 ​

一图看懂 ​

方法原理 ​

核心公式 ​

事件研究的常见写法 ​

适用数据与前提 ​

STATAU 页面中每个位置应该放什么变量 ​

Stata 等效代码 ​

在 STATAU 中操作步骤 ​

结果怎么看 ​

常见使用误区 ​