Staggered-DID 的實現

為保證本貼的簡潔性與一般適用性，本文并沒有使用現有真實數據，而是模擬了一個一般數據。如果你手中有正在處理好的project數據，可以跳過1.數據生成，直接從2.數據預加工開始。

1.數據生成

(1)數據生成過程

• 我將隨機生成一個數據來模擬staggered-DID，即設定了50個unit，其中第 1/3/5/7/9/11/13/15/17/19個unit是實驗組，剩下的40個unit為對照組。

• 生成一個自然年份year,從2001-2020年

• 我將隨機給treatment group分配一個shock時間，并生成對應的treatyear變量

unit	shock year
id == 1|3	2010
id == 5|7|9	2011
id == 11|13	2012
id == 15	2013
id == 17|19	2014

• 根據treat、year以及treatyear等變量：

  • 生成相對時間ty，用以衡量各年是shock發生前或后的第幾年

  • 生成post變量，用于反映shock是否已經發生

  • 生成did項

• 最后，利用隨機數，生成outcome變量，lnv

以下是實現過程，注意運行一下程序須保證stata安裝egenmore包

(2)數據生成代碼

**# 1.生成數據
clear 
cap snapshot erase _all
set obs 1000
egen id = repeat() ,v(1/50)
sort id
egen year = repeat(), v(2001/2020)gen treat = mod(id,2) & id <= 20
gen treatyear = 2010 if id <= 3
replace treatyear = 2011 if id > 3 & id <= 9
replace treatyear = 2012 if id > 9 & id <= 13
replace treatyear = 2013 if id > 13 & id <= 15
replace treatyear = 2014 if id > 15 & id <= 19gen ty = year - treatyear
gen post = (ty >= 0)
gen did = treat * post gen lnv = log(rnormal() +10 + sqrt( 1 + rnormal() ^ 2))
replace lnv = lnv + log(uniform()+1) if treat == 1 & post == 1

(3)數據生成結果

2.數據預加工

(1)加工步驟

在得到數據后，須先對數據進行一定處理，才可進行staggered-DID估計，主要有以下幾步：

• 生成各期的虛擬變量，例如：
  • 對于事前第1期(