列位作念实证辩论的小伙伴们，全球好！投诚好多一又友在作念DID分析时齐遭逢过这样的困扰：平行趋势假定老是很难达到预期的条件。明明表面上惩办组和对照组应该得志平行趋势，但事件辩论法的图形老是高慢战略前就存在显赫的统共，让东说念主怀疑是不是识别策略出了问题。

别躁急，今天给全球先容一个畸形实用的步调——平行趋势去均值，这但是一个大概灵验终了'调平行趋势'的神器。通过这个步调，咱们不错剔除那些由搀杂要素形成的'假象'，让真确的战略效应浮出水面。

为什么传统的平行趋势覆按老是'不达标'

投诚全球齐有过这样的履历：花了很长时代构建DID模子，满怀期待地跑出事件辩论法的着力，却发现战略前的统共显赫不为零。这时代心里就运转犯嘟囔：是不是数据有问题？也曾模子设定不合？

其实啊，这种情况比咱们遐想的要常见得多。在现实的辩论环境中，即使惩办组和对照组在战略前如实驯顺相似的发展轨迹，但由于存在各式难以不雅测的搀杂要素，咱们推测出来的战略前统共无间不为零。这就好比拍照时的布景杂音，天然不影响主体，但会侵略咱们对图像的判断。

去均值步调的中枢想路

去均值步调的中枢想想其实很朴素：既然战略前的那些非零统共主若是由搀杂要素形成的'系统性偏差'，那咱们就把这部分偏差颐养'减掉'，让真确的战略效应显深入来。

具体来说，咱们先辩论战略前统统统共的平均值，然后用每个统共减去这个平均值。这样作念的妙处在于，鼎新后的战略前统共平均值恰巧为零，而战略后的效应也相应地去除了不异的偏差，从而得到更纯净的战略影响。

用数学公式抒发即是：

手把手教你终了去均值步调第一步：照常生成动态惩办变量

这一步和传统步调全齐一样，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：跑事件辩论法归来

这里也和平方一样：

reghdfe 因变量 pre_* current post_* 放置变量, absorb(ind#year stkcd) vce(cluster city)

第三步：这里运转'变魔术'

要津的去均值惩办来了！最初用parmest号召把归来统共索求出来：

parmest, format(estimate min95 max95 %8.3f p %8.3f) saving('temp1.dta', replace)use 'temp1.dta', clearkeep if ustrregexm(parm, 'pre|post')  // 只保留咱们温雅的动态效应统共gen num = _n  // 给统共编个号gen minus = num if ustrregexm(parm, 'current')  // 找到战略当期的位置fillmissing minusgen id = num - minus  // 辩论相干于战略当期的位置

接下来即是中枢的去均值操作：

egen average = mean(estimate) if id < -1  // 辩论战略前统共的平均值fillmissing average  // 把这个平均值填充到统统行replace estimate = estimate - average  // 每个统共齐减去这个平均值

第四步：再行辩论置信区间并绘画gen ul = estimate stderr * 1.65  // 再行辩论置信区间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('相对时代') ytitle('战略效应')    legend(off) graphregion(color(white));#delimit cr为什么这个步调这样灵验

去均值步调的魔力在于它的直不雅性和灵验性。遐想一下，如果咱们不雅察到的战略前统共齐在某个水平线高下波动，那么这个水平线很可能就代表了系统性偏差。通昔时除这个偏差，咱们就能看到真确的相对变化趋势。

更紧迫的是，这种鼎新是对称的。也即是说，战略前和战略后的统共齐被减去了不异的数值，是以战略效应的相对大小并莫得被东说念主为夸大或松开，仅仅去除了'布景杂音'。

什么时代该用这个步调

一又友们可能会问：什么情况下需要用去均值步调呢？我的提倡是：

当你发现传统的平行趋势覆按高慢战略前存在显赫统共，但从表面和现实情况看，惩办组和对照组如实应该得志平行趋势时，就不错探讨使用这个步调。畸形是在濒临复杂的战略环境，存在好多难以放置的搀杂要素时，去均值步调大概帮你获取更确凿的着力。

天然，使用这个步调时也要憨厚。在论文中应该同期禀报传统步息争去均值步调的着力，让读者了解鼎新前后的互异，这样才调增强辩论的透明度和确凿度。

小贴士和扎眼事项

使用去均值步调时有几个小细节需要扎眼。最初，确保你有填塞的战略前不雅测期，这样辩论出来的平均值才会相比雄厚。其次，这个步调的前提是合计战略前的非零统共主要来自搀杂要素，如果你的辩论布景不妥当这个假定，就需要严慎使用了。

临了，谨记在展示着力时作念好标注九游会j9体育(中国)官方网站，让读者知说念你使用了去均值鼎新。毕竟，透明的辩论经由是获取同业招供的紧迫基础。

本站仅提供存储管事，统统本质均由用户发布，如发现存害或侵权本质，请点击举报。