阿水实证通-CSDN博客

原创非平行趋势下的双重差分敏感性分析：HonestDiD（stata教程）

HonestDiD：DID与事件研究的稳健推断工具包该Stata工具包基于Rambachan & Roth (2022)的顶刊方法，通过两种创新方式量化平行趋势假设的潜在违背： 1️⃣ 相对大小限制：后处理期趋势偏离不超过预处理期最大偏离的M倍 2️⃣ 平滑性限制：趋势斜率变化幅度不超过M值核心功能包括： • 构建考虑估计误差的稳健置信区间 • 自动计算结论成立的M值"崩溃点" • 支持非交错/交错DID设计，兼容主流命令 • 提供医疗补助扩张案例全流程分析安装简便，支持W

2025-06-07 19:03:10 932

原创 Stata好写，太好写了！附《stata代码速查表》【最全stata指南】

阿水给大伙扒拉到了stata官网精心整理的一套《stata代码速查表》，里面啥常用的数据分析、数据转换、数据可视化的stata代码，统统都有呢。大伙可以自个儿去下载打印

2025-06-05 21:59:16 568

原创合成控制双重差分（SDID）可视化实战：用synthdid绘制顶刊因果推断图表

合成双重差分法（SDID）是一种估计面板数据中处理效应的新方法。本文介绍了SDID的R语言实现包，通过加州99号提案对香烟消费的影响案例演示其应用。该包可计算处理效应点估计值、构建置信区间，并提供丰富的数据可视化功能，包括平行趋势图、控制单元贡献图和预处理趋势检验。文章对比了SDID与传统双重差分法和合成控制法的估计结果

2025-06-02 21:05:51 1015

原创多期双重差分法实用指南：从基础原理到方法改进与效应解析

多期双重差分法（DiD）研究新进展传统双重差分法（DiD）主要用于两期两组的因果效应估计，而多期DiD研究正面临方法论革新。最新研究表明，标准双向固定效应（TWFE）回归在多期处理设计中存在严重缺陷，可能导致因果效应估计偏差。核心问题在于TWFE方法会混合三种比较：新处理单元与"从未处理"组（有效）、与"尚未处理"组（有效），以及与"已经处理"组（无效）。后者会引入动态处理效应，使估计结果难以解释，甚至出现符号反转现象。

2025-05-29 10:43:28 929

原创两时期DID的双重稳健估计：DRDID【附stata代码】

本文介绍了双重稳健差分法（DRDID）的理论基础与Stata实现。DID方法通过2×2设计（两组×两期）估计处理效应，需满足平行趋势假设。传统方法可能受异质性处理或协变量影响，而DRDID结合回归与逆概率加权双重稳健估计，只需其中一种模型正确即可获得一致估计。文章详细阐述了DID原理、控制变量选择逻辑，并演示了drdid命令的实际应用。该命令支持面板和重复截面数据，提供多种估计量选项，能有效处理潜在偏误问题。通过lalonde.dta数据示例，展示了DRDID在实证研究中的操作流程与结果解读。

2025-05-28 17:32:27 1021

原创多时期DID的双重稳健估计量：stata命令CSDID

多时期双重差分法（DID）的改进估计方法CSDID v1.6的新特性，包括效率提升、新增WB置信区间和seed选项以确保结果可重复性，以及新推出的csdid_plot绘图功能。文章深入探讨了传统双向固定效应（TWFE）模型在处理异质性效应时的问题，特别是早期处理组作为控制组时可能导致的负权重问题。通过引入DRDID作为核心估计方法，CSDID有效避免了不良比较，采用双重稳健估计量来准确计算ATT(g,t)。新版本通过矩阵运算优化了标准误差计算，显著提升了运行效率。最后，文章详细说明了相关程序的安装

2025-05-27 23:30:28 970

原创 Stata19+H2O集成决策树开挂！GBM与RF调参预测分类回归！SHAP解释性分析亮眼！

H2O机器学习工具包为Stata用户提供了集成决策树（GBM和随机森林）的强大功能，突破传统统计模型的局限。通过直观命令即可实现数据准备、模型训练（支持超参数调优与交叉验证）、性能评估（如ROC曲线、SHAP值解释）及预测分析。以电信客户流失数据集为例，演示了从数据拆分到模型比较的全流程，展现了机器学习在复杂非线性关系中的优势，同时保持结果可解释性。该集成方案让用户在熟悉的Stata环境中即可完成高性能预测建模，无需切换平台。

2025-05-25 13:41:49 958

原创 Stata19中的高维固定效应 High-dimensional fixed effects (HDFE)

高维固定效应（HDFE）模型通过absorb()选项显著提升了估计效率，允许在各类线性模型中（包括普通回归、固定效应模型和工具变量模型）同时处理多个高维分类变量。相比传统方法（如直接引入分类变量指示变量），新方法能大幅减少计算时间——在百万级观测值的案例中，耗时从数分钟降至秒级。例如，在包含3个高维分类变量的模型中，areg配合absorb()选项比传统方法快300倍。该功能还扩展至xtreg, fe和ivregress 2sls命令，支持更复杂的模型设定，如聚类标准误和面板统计量计算，同时提供nosigm

2025-05-25 13:32:52 646

原创广义随机森林异质性估计stata代码cate

STATA19的cate命令为因果效应分析提供了新工具，可估计个体化和群体化的治疗效果。该命令能分析治疗效果的异质性，比较不同干预策略，并识别最优治疗分配方案。示例展示了如何使用cate研究401(k)资格对金融资产的影响：通过交叉拟合和随机森林模型计算个体化平均治疗效果（IATE），发现资产效应存在显著异质性（p=0.0427）。直方图显示治疗效果呈右偏分布，表明平均效应可能低估部分群体的收益。该工具适用于劳动经济学、市场营销和医学研究等领域，可揭示协变量（如教育年限）对治疗效果的具体影响模式。

2025-05-24 22:20:58 820