Stata：面板事件研究法-eventdd
👇 连享会 · 推文导航 | www.lianxh.cn
🍎 Stata：Stata基础 | Stata绘图 | Stata程序 | Stata新命令 📘 论文：数据处理 | 结果输出 | 论文写作 | 数据分享 💹 计量：回归分析 | 交乘项-调节 | IV-GMM | 时间序列 | 面板数据 | 空间计量 | Probit-Logit | 分位数回归 ⛳ 专题：SFA-DEA | 生存分析 | 爬虫 | 机器学习 | 文本分析 🔃 因果：DID | RDD | 因果推断 | 合成控制法 | PSM-Matching 🔨 工具：工具软件 | Markdown | Python-R-Stata 🎧 课程：公开课-直播 | 计量专题 | 关于连享会
连享会 · 2022 面板数据因果推断专题
作者：袁洛琪 (北京大学)
邮箱：luoqi_yuan@163.com
编者按：本文主要摘译自下文，特此致谢！
Source：Clarke, Damian and Kathya Tapia. 2020. "Implementing the Panel Event Study". IZA Discussion Paper 13524. -PDF-
温馨提示： 文中链接在微信中无法生效。请点击底部「阅读原文」。或直接长按/扫描如下二维码，直达原文：
目录
1. 相关理论
2. 命令介绍
3. 实例演示
4. 参考资料
5. 相关推文
本文介绍的是事件研究法 (event study) 在 Stata 中的实现命令 eventdd，该命令由 Damian Clarke 和 Kathya Tapia Schythe 在 2020 年共同开发。与以往关于事件研究法的介绍不同，本文将侧重于这种方法在倍分法平行趋势检验中的具体应用。
1. 相关理论
事件研究法是一种与倍分法 (DID) 相类似的面板事件研究方法，eventdd 可实现对各时间项系数及置信区间的计算和图形展示。其中，各滞后项和前置项的系数对应的是该事件效应在不同时间中的变化趋势。具体的估计方程如下：
其中， 是第 个个体在第 期的因变量， 个滞后项和 个前置项是相对于事件发生时间， 和 分别是个体固定效应与时间固定效应。eventdd 默认使用的基准组是事件发生的前一期。
2. 命令介绍
// 命令安装
ssc install eventdd, replace
// 基本语法
eventdd varlist(min=2 fv ts numeric) [if] [in] [weight], timevar(varname) [options]
其中基本选项如下，
varlist(y x1 ... xn)：回归用到的因变量和控制变量；timevar()：回归用到的时间项；if、in和[weight]：与普通OLS回归一致，if和in限定要导出的数据的范围，[weight]是对数据进行加权的相关选项；
options 选项如下：
ci(string)：图形置信区间的风格 (必须设定)，rarea指带有区域阴影，rcap指带有上限的直线，rline仅是直线；baseline(#)：选择哪一期作为基准组，默认选择 -1 期；level(#)：设定显著性水平，默认为 95%；ols：回归时使用regress命令；fe：回归时使用xtreg命令；hdfe：回归时使用reghdfe命令；keepbal(stfips)：仅保留在每一期都出现了的观测值；inrange：仅将特定时间区间的样本纳入回归；lags(#)：纳入回归的滞后项项数；leads(#)：纳入回归的前置项项数；graph_op(string)：画图相关命令，与twoway命令一致。
其中，ci(string) 和 timevar(varname) 是必须进行设定的选项。在已经安装了 xtreg 和 reghdfe 的前提下，可以通过设定 fe 和 reghdfe 分别调用 xtreg 和 reghdfe 命令。最后，相关图形设定与 twoway 命令一致。关于该命令更多选项介绍，读者可通过 help eventdd 继续进行探索。
3. 实例演示
接下来以 Stevenson 和 Wolfers (2006) 的一项关于离婚改革与女性自杀率的研究为例。首先，调入我们需要的数据。
. webuse set www.damianclarke.net/stata/
(prefix now "http://www.damianclarke.net/stata")
. webuse bacon_example.dta, clear
(Stevenson and Wolfers (2006) divorce example, provided by Goldring et al.)
其次，生成 eventdd 需要的时间变量 timeToTreat。
. gen timeToTreat = year - _nfd
最后，进行回归分析。该研究中关心的因变量是女性自杀死亡率 asmrs，控制变量包括人均收入 pcinc、谋杀死亡率 asmrh、援助抚养儿童家庭案例数 cases 以及年份固定效应。使用的回归命令是 xtreg，并选择了带有上限的直线作为置信区间的风格 ci(rcap)。
. eventdd asmrs pcinc asmrh cases i.year, fe timevar(timeToTreat) ci(rcap) ///
> cluster(stfips) graph_op(ytitle("Suicides per 1m Women") xlabel(-20(5)25))
Fixed-effects (within) regression Number of obs = 1617
Group variable: stfips Number of groups = 49
R-sq: Within = 0.3908 Obs per group: min = 33
Between = 0.0006 avg = 33.0
Overall = 0.1143 max = 33
F(48,48) = .
corr(u_i, Xb) = -0.2197 Prob > F = .
(Std. err. adjusted for 49 clusters in stfips)
------------------------------------------------------------------------------
| Robust
asmrs | Coefficient std. err. t P>|t| [95% conf. interval]
-------------+----------------------------------------------------------------
pcinc | -0.001 0.000 -2.71 0.009 -0.002 -0.000
asmrh | 1.081 0.597 1.81 0.076 -0.119 2.281
cases | -190.372 134.499 -1.42 0.163 -460.800 80.057
lead21 | -22.921 4.011 -5.71 0.000 -30.986 -14.856
lead20 | -12.084 10.996 -1.10 0.277 -34.194 10.025
lead19 | 8.843 5.958 1.48 0.144 -3.136 20.822
省略......
lag25 | -10.268 7.459 -1.38 0.175 -25.265 4.730
lag26 | -16.693 10.542 -1.58 0.120 -37.889 4.504
lag27 | -0.434 8.147 -0.05 0.958 -16.815 15.946
_cons | 73.131 7.291 10.03 0.000 58.471 87.790
-------------+----------------------------------------------------------------
sigma_u | 15.826621
sigma_e | 10.807927
rho | .68196723 (fraction of variance due to u_i)
------------------------------------------------------------------------------
4. 参考资料
Damian Clarke & Kathya Tapia Schythe, 2020. "EVENTDD: Stata module to panel event study models and generate event study plots," Statistical Software Components S458737, Boston College Department of Economics. -PDF- Stevenson, Betsey and Justin Wolfers. 2006. "Bargaining in the Shadow of the Law: Divorce Laws and Family Distress". The Quarterly Journal of Economics 121(1):267-288. -PDF- Freyaldenhoven, Simon, Christian Hansen, and Jesse M. Shapiro. 2019. "Pre-event Trends in the Panel Event-Study Design". American Economic Review 109(9):3307-38. -PDF- Goodman-Bacon, Andrew. 2018. "Difference-in-Differences with Variation in Treatment Timing" National Bureau of Economic Research Working Paper 25018. -PDF-
5. 相关推文
Note：产生如下推文列表的 Stata 命令为：
lianxh event 平行趋势 事件, m
安装最新版lianxh命令：
ssc install lianxh, replace
专题：计量专题 Stata：事件研究法的编程实现 Event Study：事件研究法的Stata实现 Stata：一文读懂事件研究法Event Study 专题：Stata教程 事件研究法笔记：Stata连享会 专题：Stata命令 事件研究法：Stata该用什么命令 专题：Stata绘图 Stata绘图-组间差异可视化：不良事件火山图、点阵图 Stata：用-mapch-命令绘制“事件链” 专题：回归分析 Stata：短期事件研究法（Event_Study）教程 专题：倍分法DID Stata：平行趋势不满足？主成分DID来帮你！- pcdid 多期DID之安慰剂检验、平行趋势检验 Stata 倍分法: 不满足平行趋势假设咋办？ 多期DID：平行趋势检验图示
课程推荐：因果推断实用计量方法
主讲老师：邱嘉平教授
🍓 课程主页：https://gitee.com/lianxh/YGqjp
New！ Stata 搜索神器：
lianxh和songblGIF 动图介绍
搜： 推文、数据分享、期刊论文、重现代码 ……
👉 安装：
. ssc install lianxh
. ssc install songbl
👉 使用：
. lianxh DID 倍分法
. songbl all
🍏 关于我们
连享会 ( www.lianxh.cn，推文列表) 由中山大学连玉君老师团队创办，定期分享实证分析经验。 直通车： 👉【百度一下： 连享会】即可直达连享会主页。亦可进一步添加 「知乎」,「b 站」,「面板数据」,「公开课」 等关键词细化搜索。