Stata无偏性检验（安慰剂检验代码）

无偏性检验原理

Stata回归的系数值只是某个样本的观测值，不一定是真值（事实上恰好等于真值的概率极小），但较大概率会落在真值的附近，且分布有一定规律。
对于回归系数结果的无偏性，我们可以通过在整体中反复抽样进行检验，观测结果分布。

检验思路

在Excel中随机生成一列x（自变量），一列u（干扰项），然后令y=1.6x+u，这样生成x，y两列相关性很高但并非完全线性的数据，其中u刻画了其他因素的冲击。

Stata代码

此检验需要做多次循环，而恰好Stata写循环又比较鬼畜，下面给出完整代码：

//随机指定treat变量
forvalue i=1/200{ //循环200次
	clear
    import excel "C:\Users\Desktop\计量助教\有效性检验\有效性检验.xlsx", firstrow  //调入数据，换path
	gen random_digit1=ceil(runiform(1,1000)) //生成1到1000随机数（可能重复）
	g new_treat=0
	sort random_digit1 //根据随机数random_digit1排序
	gen s=_n
	replace new_treat=1 if s<51  //样本容量50 /*(51-1)*/

    //合并，回归，提取系数//
	//g x = post*new_treat
	reg y x if new_treat==1  //筛选lable为1的样本部分
	g _b_new_treat = _b[x]  //提取x的回归系数
	g _se_new_treat = _se[x] //提取x的标准误
	g _t_new_treat=_b_new_treat/_se_new_treat  //计算得到p值
	g _p_new_treat = 2*ttail(e(df_r), abs(_t_new_treat))  //计算得出pvalue
	keep _b_new_treat  _se_new_treat _t_new_treat _p_new_treat
	duplicates drop _b_new_treat, force
	save placebo`i', replace  //把第i次placebo检验的系数和标准误存起来
}


//纵向合并200次的系数和标准误 
use placebo1, clear
forvalue i=2/200{
    append using placebo`i' //纵向合并200次回归的系数及标准误
}  

//t值，p值作图
gen p值=_p_new_treat
gen 估计系数=_b_new_treat
twoway scatter p值 估计系数 , color(*.5)|| kdensity 估计系数 ,tline(1.6 , lp(dash) lc(black) )  tlabel(1.6 , add  labsize(*.75)) //1.6是基准回归中的系数真值   
   
* 删除临时文件 *
forvalue i=1/200{
    erase  placebo`i'.dta 
} 

* 保存结果 *
save result2.dta,replace

代码注释已经较为详细，只要把数据路径换掉就可以跑。

结果

选取1000个观测值，第一次跑200遍，每次随机抽取50个观测值：

下面还有每次抽取400个，跑50次循环结果：

可以明显看出，样本容量较大时更容易发现真值，或者说从分布结果来看距离真值更近。