DID前沿-交叠DID丨第4期
一、 交叠DID应用建议
1 如何在多期与处理时间变化时,选择合适的DID估计量?
2 如何处理非平行趋势的情况?
3 如何在少量处理单位情况下进行科学抽样?
4 交叠DID的图示法
5 交叠DID新命令一览
6 文献解读
[1] De Chaisemartin C, D'Haultfoeuille X. Two-way fixed effects and differences-in-differences with heterogeneous treatment effects: A survey[R]. National Bureau of Economic Research, 2022.
heterogeneous treatment effects: A survey[R]. National Bureau of Economic Research, 2022.
[2] 刘冲,沙学康,张妍.交错双重差分:处理效应异质性与估计方法选择[J].数量经济技术经济研究:1-28.
二、 交叠DID分解
1 TWFE在交叠DID估计中的偏误分解
2 交叠DID的Bacon分解与Stata实现
3 文献解读
[1] Goodman-Bacon, Andrew, “Difference-in-differences with variation in treatment timing,”
Journal of Econometrics, 2021, 225 (2), 254–277
三、 三类交叠DID的异质稳健估计
(一) 组别-时期平均处理效应
1 De Chaisemartin和 d'Haultfœuille(2020)提出的估计量(did_multiplegt)
2 Sun 和 Abraham(2021)提出的估计量(eventstudyinteract)
3 Callaway 和 Sant’Anna(2021)提出的估计量(csdid)
4 文献解读
[1] De Chaisemartin C, d'Haultfoeuille X. Two-way fixed effects estimators with heterogeneous treatment effects[J]. American Economic Review, 2020, 110(9): 2964-96.
effects[J]. American Economic Review, 2020, 110(9): 2964-96.
[2] Sun L, Abraham S. Estimating dynamic treatment effects in event studies with heterogeneous treatment effects[J]. Journal of Econometrics, 2021, 225(2): 175-199.
treatment effects[J]. Journal of Econometrics, 2021, 225(2): 175-199.
[3] Callaway B, Sant’Anna P H C. Difference-in-differences with multiple time periods[J]. Journal of Econometrics, 2021, 225(2): 200-230.
Econometrics, 2021, 225(2): 200-230.
(二) 插补估计量
1 Borusyak et al.(2021)提出的估计量(did_imputation)
2 Gardner(2021)提出的估计量(did2s)
3 文献解读
[1] Borusyak K, Jaravel X, Spiess J. Revisiting event study designs: Robust and efficient estimation[J].
arXiv preprint arXiv:2108.12419, 2021.
[2] Braghieri L, Levy R, Makarin A. Social media and mental health[J].
American Economic Review, 2022, 112(11): 3660-3693.
(三) 堆叠回归估计量
1 Cengiz et al.(2019)提出的估计量(stackedev)
2 文献解读
[1] Cengiz D, Dube A, Lindner A, et al. The effect of minimum wages on low-wage jobs[J]. The Quarterly Journal of Economics, 2019, 134(3): 1405-1454.
Journal of Economics, 2019, 134(3): 1405-1454.
四、 DID与合成控制的结合:合成DID
1 合成DID的原理与应用领域
2 合成DID的命令实现
3 文献解读
[1] Arkhangelsky D, Athey S, Hirshberg D A, et al. Synthetic difference-in-differences[J]. American Economic Review, 2021, 111(12): 4088-4118.
Economic Review, 2021, 111(12): 4088-4118.
报名时间 |
2023-08-09 00:00 至 2024-01-01 00:00 |
培训时间 |
2023年9月30日 (一天) |
培训地点 |
远程直播, 提供全程录播回放 |
培训费用 |
1200元/ 1050元(学生优惠价仅限全日制本科及硕士在读) |
授课安排 |
9:00-12:00;14:00-17:00;答疑 |
DID前沿专题--交叠DID
课程导语:
近3年来,针对经典双向固定效应(TWFE)模型在处理效应估计中可能存在错误估计的问题,出现了一系列不同DID方法的创新来试图纠正估计过程中一个或另外一个方面的问题,其中以交叠情况下DID方法为其中最有代表性,这些方法或是在平行趋势检验,或是在不同个体权重存在异质性,或是包含协变量,运用了包括自举、逆概率权重、匹配或Imputations等各类方法。但针对这些新方法,在不同运用场景下,如何进行选择,还是一个值得进一步讨论的话题。
本次课程主要就近年DID这个十分活跃领域出现的新方法进行学习。
主要教学对象为已有一定计量经济学基础,有初级DID应用的学员。
教学目标为了使学员对近3年DID领域中出现的新方法进行系统掌握,能够对其主要命令,主要原理,主要应用场景和结果的解读进行掌握,达到运用新方法进行论文写作的目标。、
本次更新:
(1)增加了交叠DID的图形展示, 更容易对交叠DID的具体类型进行直观展示,以便于确定合理的模型形式;
(2)结合国内外的文献,对交叠DID的估计方法进行系统梳理,重点讲授当前主流文献中引用率较高的三大类共6种交叠DID的估计方法,以便于根据自己数据和事件的主要形式,选择合适的估计方法;
(3)增加了中文最新文献,以便于了解国内对交叠DID研究的最新进展;
(4)新增了交叠DID估计中event study interact和jwdid两种新的估计方法与软件实现;
(5)持续更新了DID的相关社区命令,扩展了相关命令的新功能,如did_multiplegt,csdid等。
课程内容:
一、交叠DID应用建议
1. 如何在多期与处理时间变化时,选择合适的DID估计量?
2. 如何处理非平行趋势的情况?
3. 如何在少量处理单位情况下进行科学抽样?
4. 交叠DID的图示法
5. 交叠DID新命令一览
6. 文献解读
[1] De Chaisemartin C,D'Haultfoeuille X. Two-way fixed effects and differences-in-differences with heterogeneous treatment effects: A survey[R]. National Bureau of Economic Research, 2022.
[2] 刘冲,沙学康,张妍.交错双重差分:处理效应异质性与估计方法选择[J].数量经济技术经济研究:1-28.
二、交叠DID分解
1. TWFE在交叠DID估计中的偏误分解
2. 交叠DID的Bacon分解与Stata实现
3. 文献解读
[1] Goodman-Bacon, Andrew, “Difference-in-differences with variation in treatment timing,” Journal of Econometrics, 2021, 225 (2),254–277.
三、三类交叠DID的异质稳健估计
(一)组别-时期平均处理效应
1. DeChaisemartin和 d'Haultfœuille (2020) 提出的估计量 (did_multiplegt)
2. Sun 和Abraham (2021) 提出的估计量 (event study interact)
3. Callaway 和 Sant’Anna (2021) 提出的估计量 (csdid)
4. 文献解读
[1] De Chaisemartin C, d'Haultfoeuille X. Two-way fixed effects estimators with heterogeneous treatment effects[J]. American Economic Review, 2020, 110(9):2964-96.
[2] Sun L, AbrahamS. Estimating dynamic treatment effects in event studies with heterogeneous treatment effects[J]. Journal of Econometrics, 2021, 225(2): 175-199.
[3] Callaway B, Sant’Anna P H C.Difference-in-differences with multiple time periods[J]. Journal of Econometrics,2021, 225(2): 200-230.
(二)插补估计量
1. Borusyaket al.(2021)提出的估计量 (did_imputation)
2. Gardner(2021)提出的估计量(did2s)
3. 文献解读
[1] Borusyak K,Jaravel X, Spiess J. Revisiting event study designs: Robust and efficient estimation[J]. arXiv preprint arXiv:2108.12419, 2021.
[2] Braghieri L, Levy R, Makarin A. Social media and mental health[J]. American Economic Review, 2022, 112(11): 3660-3693. new
(三)堆叠回归估计量
1. Cengizet al.(2019)提出的估计量(stackedev)
2. 文献解读
[1] Cengiz D, Dube A, Lindner A, et al. The effect of minimum wages on low-wage jobs[J]. The Quarterly Journal of Economics,2019, 134(3): 1405-1454.
四、DID与合成控制的结合:合成DID
1. 合成DID的原理与应用领域
2. 合成DID的命令实现
3. 文献解读
[1] Arkhangelsky D, Athey S, Hirshberg D A, et al.Synthetic difference-in-differences[J]. American Economic Review, 2021,111(12): 4088-4118.
优惠:
1. 学术培训老学员9折优惠;
2. 同一单位三人以上报名9折优惠;
PS:折扣优惠与学生价均不叠加。
在线咨询:
尹老师
电话:13321178792
QQ:42884447
WeChat:JGxueshu
