4.14 Q&A 5在线视频

第7题的话它说多阶段多群体的DID

如果在政策之后的某一个节点

部分群体又接受了新的其它政策

这种情况该如何处理

这个题我没有想的特别明白

我是这样理解的

我们小组讨论的时候主要是

咱们首先DID它的有一个

非常强的前提假设

就是咱们让它们有common time trend

它们的时间变化趋势是相同的

但如果部分群体的话又接受

了其它政策之后的话

这种

政策的话就会导致可能导致它们

time trend的就不相同了

然后这种情况下的话

可能我们DID处理起来就

比较麻烦

所以我把这个题的理解我又重新理解一下

我认为

咱们政策干预及干预时之后

处理组和对照组的趋势变化的话

可能并不是由于

某一个政策导致的

而是由于其它同时期的其它政策导致的

所以我们在做的过程中

或者说我们在做这样一个DID的时候

我们可能要尽量的避免这样一个

避免这样一个情况出现

因此的话我

因此的话咱们在处理这样

一个政策的时候的话

我们可以

检验，把这个

这种情况你剔除之后的话

我们来做一个DID我是这样来理解的

然后比如说我在查了一下

咱们相关资料之后的话

咱们有第一种

那就是通过虚构处理组的话进行回归

比如说选取政策实施之前

的年份来进行处理

原来的政策咱们发生在2018年

研究的区间是2007~2009

这时候的话我们可以将研究区间

移到2005~2007年

并假设政策实施年分为2016

年然后进行回归

这样的话咱们就把中间的

一个其它政策导致的影响可能

可以消除掉了

然后另外一种的话

我们也可以选择选择已知并不受政策

影响实施的群群主的话来进行

回归 比如说

如果咱们选择不同虚构方式下

DID估计量回顾结果非常显著的话

说明原来咱们的确部分

群体可能受到了一些

影响

然后所以的话就很可能出现偏误

下一页

然后除此之外的话

咱们还可以利用不同的对照组

的话来进行回归

来看一下结论的话是否一致

最后一个话是选取一个完全不

受政策干预影响因素的话

作为咱们被解释变量

进行回归

如果DID回归的结果仍然是显著的话

那就说明原来的估计结果

很可能出现了偏误

然后所以的话咱们可能就得

选取其它的来进行比较

就是这个问题问得也非常好

**的这些检验方法都可以来用

这里面很重要一点

咱们在判断common time trend的时候

我们一定要记得最

最原始的方法是什么

最原始的方法是要穷尽

在我们的政策研究视野范围之内

时空范围之内

包括这个时间

也包括不同的州

在这个范围之内

这些政策到底是影响全部人

还是只影响一部分人

如果影响全部人其实没有关系

对不对

因为它们出来就可以把这个东西给

给去掉

但是如果只影响一部分人

而这一部分人

不论它是跟我们的treatment一致

还是跟control一致

还是混在一起

它都会直接导致我们

DID是不能用的

对不对

你如果明确知道某一个政策或者某一个

突发性的事件

导致了部分人受到了一个额外的影响

影响会混淆在我们想研究的

y的这个里面

对外的影响里面

这个时候DID就做不了了

所以说

咱们之前说的三个假设

所以第一个不要有其它的这种影响

是

这个是很重要的

如果你在

通过 review这些

document

就能够说明这一点的话

后面就不用做了同学们

所以DID做之前还是要谨慎的去

review所有的

policy或者是这种历史的重要

的事件

好 我的这一部分就到这

然后下一部分是**的

好 谢谢**

各位同学老师好

然后我为大家带来的是第8道题

和之后的那些题的一个解释

第8道题的同学它问DDD模型

它的稳健性检验如何做

但是我们首先

想对于这个问题

我们讨论的时候是不太明白

问的稳健性检验怎么做

到底是想问什么

因为

首先我们这里涉及到一个稳健性的话

其实就涉及到一个模型

对吧

像我们都知道 DDD模型

它是一个十分复杂的模型

其实它

在我们讨论的时候

包括后面老师给我们的一个提示

也是说DDD模型它的稳健性足够高的

一般是不会做检验

为什么我们想为什么我们

的同学会问这个问题

它可能是想问我们DDD模型是不是

要考虑 DID的

几个假设，成立的假设

我们来看DDD的几个前提

假设肯定是要考虑的

第一个是common time trend

然后这个的话它其实就是

DID没办法解决这个问题的时候

然后DDD模型想去把这个common time

trend 给它

差异给它不一样的

time trend给它差分出来

然后第二个就是外生性

让它这个是自然实验得到

数据的一个自然的优势

这样也不用去管

最后一个就是唯一政策的干预

就是说在我们受到的政策干预的同时

是否是有其它的政策导致的冲击

然后导致了我们的效应的变化

这个的解释的话可以参照

刚才**所讲的第7题

然后**翻到下一道题事件

下一道题的话其实就是今天的考试那道题

主要讲的就是一个DDD

这个模型它要怎么去计算

以及DDD这个模型它是怎么去理解的

我们可以知道DDD模型就是

它的出现就是为了解释

DID没有办法解释的 time

trend的时候

不common的时候

我们用DDD模型它的

一个基本思路就是说

我们现在发现了我们的

实验组和对照组对吧

然后现在我们实验组和对照组

它的时间确实不一样

我们就可不可以在我们这个

实验组和对照组里面

分别去找到一个

没有受到

我们

政策影响的

这样

实验这样一个组群

我们通过对

它分别

分别 affected跟not

affected里面的这些组

两组进行一个差分

然后可以去估算出它的

从unaffected这里面可以估算

出它的一个时间的变化

趋势的差异

然后我们再从原来的

大的 DID

就affected里面的

双重差分

然后去减去这个时间的一个差异

就可以得到的我们最后想要的结果

这样的话基于这个理念的话

我们就

照上面那样计算

为什么刚刚老师说考试的

时候PPT上面算错了

其实

也不算错

就只是说我们对字母的一个

定义好像也是不一样的

反正我们不管是怎样

然后我们

最后

要解释都是

三个量

第一个

所以第一个变量的话是我们

政策发生的一个时间

这个政策实施的一个前后

第二个的话它是实验组和对照组

第三个变量的话就是说是否受到影响

我们在这里面的话一一和上面对应

刚刚的话老师那道题的话就是把

zj跟Tt

这两个变量互换了一下

我们这样一算就根据刚刚那个理念一算

我们首先第一个格子

第一个格子里面就是一个

它是一个treat组

treatment组的话就是T就等于1

按照这里的定义先看一下

然后第二个的话 affected

它是受到affected的影响

它就等于1， 然后

1的话就是一个事件

它是在事件发生了一个

前面的，我们就先给它取个1

然后给它算了一个这样

第二个我们事件没有发生

然后算就在后

对事件没有发生，在政策之前

再给它算一下 就等于这个

我们一减的话就减到了空格里面的数字

然后我们对control组也

是这样进行一个运算

4个格子都是这样1个运算

最后我们就可以DID的话

在我们的faculty

的以及刚刚第一个

差分的值

来给它减出来

等于β4加β7

第二个就是时间趋势的一个差异

然后给它剪出来β4相减的话就β7

对

然后这就是我们组

对大家的问题的一个解释

大家有什么问题吗

谢谢**

确实这个地方我看了一眼PPT

没有明确的说z跟t分别是什么

如果同学把t当作时间变量的话

这个表格它算的就是

不一样的

就是前面这4个格是不一样

但最后结果是一样的

如果是把z当做时间前后的话

那算就跟这个表格是一致的

**刚才说得很清楚