4.12 Q&A 3在线视频

这个问题很复杂

我觉得要想清楚很不容易

大家可以注意两点

能不能再回到上一页

有回归公式的 PPT

*往前翻一页

往前翻一页

对 大家看一下

这个问题我们一起来看一下

我把这个东西往边上挪一下

Ok

不论是两期还是多期

大家思考一个问题

就是州固定效应

βs

州固定效应

它是一组dummy对吧

如果这个公司的数据不论它是哪一年份的

只要它是属于

第20个州

那么βs对应的dummy就等于1

s可以从1到比如说

到5 如果有5个州的话

所以说

州固定效应是不是历年的数据合在一起

各个州之间的一个平均差异

那么大家想跟我们两期DID

我忘了咱用了什么字母了

是不是D是吧

的跟D0跟是不是一个含义

它其实不是一个含义 对不对

因为在两期DID里面

州它是两个州联合一

然后

因为 t

对

也是0和1，0第0期1就是第一期

所以根据咱们套这个公式

你会发现

州的dummy的系数正好是

在t等于0的这一期

两个州的差值

也就是说政策发生之前

两个州的差值是不是

那么但是在州有多期的时候

刚才我解释了β的含义

它是

它是不论是你是哪一年的数据

只要你属于州dummy都会等于

对应的dummy都会等于1

它相当于是各个州之间

多年的数据放在一起

各个州的平均的差异

而且

如果有一组dummy的话

我们选的所谓的州固定效应是不是

要先选一个基准就是说

有一个州它要作为基准

那么其它州差所谓差异都是跟

基准的州来做均值的比较

对不对

所以说这个里面州固定效应

它其实是没有时间的概念的

它

没有体现出来我感觉

因此

这是一个

还有刚才

第一组同学讲的就是

在两期模型多期多个

group的模型里面

每一个州的τ跟它的 t跟它的year

这个并不是一个完全一样的对应关系

因为每一个州市实施政策的年份不一样

但是year fixed effect

确实

把

按照自然年份

它的按照自然年份的时间

趋势是已经剥离掉了

那么剩下的就是

τ

它对应的中心化的点不一样

它会有一些差异

所以这个地方也是有一点点复杂

但是从概念上也可以理解

因为

τ既然定义好了

从政策发生之后1期到政策发生

这个就是政策发生的某一期的数据的话

它也是能说清楚的

概念上是可以说清楚的

所以 year fixed effect它还是

控制了时间固定效应

只不过这个时间是什么

是自然年份

不是τ我们中心化之后的期

就注意这一些 好

老师我想提一个问题

可不可以

可以

刚刚讲的τ是我处理过之后

就是效应发生的哪一期

τ等于0的时候就是效应发生的当期

对不对

对

就是这个公式里边δ0

最后算出来的应该就是

当期的处理效应

对吗

在

这个问题是这样子的

它不是处理效应

就是这些D的系数δ

它的正确的解释是说在控制

了州固定效应以后

控制的州固定效应

控制了以自然年份来刻画的

年固定效应

也就是各年之间的 time

trend之后

在这个政策发生的某一期

比如说政策发生这一期

或政策发生之后一期

那么

控制组跟实验组它们的均值的差值

所以说这个是一个非常准确的描述

但是

控制了前面这些差异之后

当期某一期实验组跟控制组的差值

是不是政策的treatment

大家想一下

是不是

我认为不是

为什么 因为

比如说在τ等于0的这

一期 D的系数δ0

那么它里面会包括什么呢

它是不是

它是不是还包括了两这两组

控制组跟实验组

它们这两组的再τ等于0的这一期的

一些差值

这种差值

是因为前面在中心化的点不一样导致的

我们在控制

去掉时间概念之后的州固定效应之后

那么可能还有一些差值

它是在各个区中心化之后

各个区里面

它能体现出来的

这是有可能的是吧

所以

这个东西我认为它

不好说

它就是一个非常纯粹的 policy

的 effect

但是

什么可能是

因为这个东西它是一个固定的那么差值

所以说如果用δ-1减去δ0

就是说我们把这两个系数

再做一次线性组合

那么用这个政策发生之后

一期

两组的差值再减去政策

发生当期两组的差值

那么这个差值它就一定是

policy effect

的一个主要部分

这个我们也是反复讨论

认为应该是这样的一个

理解

刚才是**问的问题是吗

好的 谢谢老师

然后我是**

你看看这个不行

耳朵还不够啥尖

听声音还是分辨的不行

希望说清楚了

所以说如果你们去看关于

多组多期DID的

用这种模型来做的研究

它们一般就只报告公式的系数

为什么 因为大家都不好说

这个东西它就是policy

effect

但是它再做一次差值

那么这个就类似于又做了一次差分是吧

因为第一本来就是一个

两个dummy的一个乘积了

我们看从定义就可以看出来

然后

已经算是

做了差分了

但是因为刚才这样的一个复杂的情况

中心化的这种复杂性

那么我觉得应该再做一次差分才是

policy effect

好

咱们接着往下走

然后我们组的最后一题是关于有同学问道

如果 δ1显着的话

如何判断这是违背了common time trend的假设

还是由于

spillover政策期望引起的

然后我这里写的不是很准确

其实我是想想说就是说

在这个公式里面

如果我们看到了 δ1它是显着的

这个可能是一个统计意义上的表现

而这个表现它背后的原因是什么呢

它背后的原因之一可能是

由于政策期望引起的

也可能是它确实违背了 common

trend

它是表现的原可能原因之一

而我们能看到的是δ1显著

所以说

我感觉这个问题中的这两点

是两个可能的原因

而不是相互矛盾的一个事情

然后我的解释就到这

好 这个大家都听清楚了

这个公式它确实只能是说一个数学关系

但是背后的原因是什么

要具体分析到底是它们处理差异还是

spillover 的差异

还是有policy effect对不对

这就是placebo为什么

可以用在不同的时间阶段