Mostly helpful advice on

Event-study
2023/10/28
 目录
一、标准 DID
（一）识别假设
（二）实现方式
（三）注意事项
二、动态双重差分法（ dynamic DiD ）
（一）识别假设
（二）实现方式
（三）注意事项
三、事件研究法 (event study)
（一）识别假设
（二）实现方式
What is Difference-in-Defference?
一、标准 DiD ( 处理时点相同 )
( 一 ) 识别假设

1 、平行趋势假设（ parallel trend assumption ）：是指倘若处理组个

体未接受干预或冲击，则其结果变动趋势与控制组个体结果变动趋势
相同。

2 、单位处理变量值稳定假设 (stable unit treatment values

assumption) ：是指不同个体是否受到政策冲击是相互独立的，某一个
体受政策冲击的情况不影响任何其他个体的结果。
溢出效应或一般均衡效应
（二）实现方式

分组变量

策发生前后分组变量
（三）注意事项
1 、控制变量：加入控制变量是为了保证条件独立假设成立（处理变量与误
差项不相关）并减小误差从而提高估计精度。

（ 1 ） Good controls: 既影响影响

Eg: 个体固定效应；时间固定效应；既影响影响的

（ 2 ） Bad controls: 受到影响的

Eg: 发生在处理时点之后的解决方法：控制事前某一期的前定变量与时间趋势 f(t) 的交
互项，本质是控制处理前特征不同的个体间可能存在的时间趋势差异。

（ 3 ） Neutral controls: 不影响条件独立假设成立

Eg: 影响的中性控制变量一般加，影响的中性控制变量一般不加
（三）注意事项
2 、平行趋势与事前趋势检验

分组变量，第 S 期的时间虚拟变量
事前平行趋势通过检验并不意味着平行趋势假设一定成立，即使事前平行趋势通
过检验也只是表明处理组和控制组在处理发生前保持相同时间趋势，并不能确保
事后趋势也一定平行
（三）注意事项
3 、组别时间趋势的进一步分析：平行趋势假设不成立时，即处理组
和控制组存在明显的时间趋势差异

一个可能的选择是加入组间线性趋势 * 控制组间线性时间趋势差异
二、动态双重差分法 ( 处理时点不同 )
( 一 ) 识别假设

1 、平行趋势假设（ parallel trend assumption ）：是指倘若处理组个

体未接受干预或冲击，则其结果变动趋势与控制组个体结果变动趋势
相同。

2 、单位处理变量值稳定假设 (stable unit treatment values

assumption) ：是指不同个体是否受到政策冲击是相互独立的，某一个
体受政策冲击的情况不影响任何其他个体的结果。
溢出效应或一般均衡效应
( 二 ) 实现方式

1(·) 是示性函数， 是政策发生当期， EW 和 EW 是事件窗口（ event window ）的开始期和结束期

( 三 ) 注意事项

标准双重差分法以绝对时间为参照系，动态双重差分法以距离干预发
生时点的相对时间为参照系。

如果没有从未接受处理的控制组样本，该如何评估政策效应呢？
三、事件研究法
（一）识别假设
1 、平行趋势假设：
（一）识别假设
2 、无预期效应假设（ No anticipatory assumption ）：
（一）识别假设
3 、同质性处理效应路径假设：
（一）识别假设
3 、同质性处理效应路径假设：
（二）实现方式
（三）注意事项
1 、基期选择：
（ 1 ）统一基期（ Universal Base Period ）：通常选择处理前一期
（ -1 期）或事件窗口的第一期（ -K 期）。为确认是否有预期效应，
先选择 -3 期作为基期，如果估计结果显示 -1 期没有出现显著变化，
则可以更换为 -1 期。
（ 2 ）可变基期（ Varying Base Period ） : 处理前第 k 期的估计系
数是基于 k 和 k-1 两期数据、以 k-1 作为基期的双重差分估计结果；
对于处理后各时期，统一作为 -1 期作为基期。
（三）注意事项
2 、对事前平行趋势假设的检验：
（ 1 ）问题：要求每一期的平均处理效应为 0 ，需要进行系数联合
检验而不是关注单一系数的显著性。
（ 2 ）建议 :
a. 更加关注事前估计系数是否出现明显的时间趋势，这比个别事前
系数显著严重得多；
b. 对估计结果进行图形化以直观判别是否存在事前时间趋势
c. 检验事前平行趋势应该对事前估计系数做联合检验而非关注单一
系数的显著性。
（三）注意事项
3 、归并和截断数据：
（ 1 ）数据归并（ Binning ）是指设定一个事件窗口 [-K ， L ] ，将
早于事件窗口的观测值（ l ≤ -K ）的相对时期重新设定为 -K 期，
将晚于事件窗口的观测值（ l ≥ L ）的相对时期重新设定为 L 期。
（ 2 ）数据截断（ Trimming ）同样是设定一个事件窗口，区别在
于将事件窗口外的样本做删除而非归并。
（三）注意事项
4 、正确控制组群异质性时间趋势：
（ 1 ）问题：直接控制组群特定时间趋势可能存在重大偏误：
（三）注意事项
4 、正确控制组群异质性时间趋势：
（ 2 ）解决办法：
A. 两阶段估计法（手动剔除事前趋势）
第一阶段使用未接受处理的子样本（控制组和尚未接受处理的处理
组）估计组群异质性时间趋势并外推至处理后时期，从结果变量中
剔除时间趋势（ Detrend ）。
第二阶段使用剔除事前趋势后的结果变量进行事件研究法估计。
（ Goodman-Bacon ， 2021 ； Dustmann 等， 2022 ）
（三）注意事项
4 、正确控制组群异质性时间趋势：
（ 2 ）解决办法：
B. 插补法
使用未接受处理的子样本来正确地识别出组群时间趋势项 γ_g*f (t )
以及双向固定效应 α_i 和 λ_t ，将其从结果变量 y_it 中剔除后再进
行回归估计。
（ Borusyak 等（ 2023 ）、 Liu 等（ 2022 ）和 Gardner （ 202
2 ））
（三）注意事项
5 、异质性处理效应条件下的事件研究法：
（ 1 ）偏误来源
 （三）注意事项
5 、异质性处理效应条件下的事件研究法：
（ 2 ）稳健估计量
A. 组群 - 时期平均处理效应估计法 : 首先估计出组群— 时期平均处理效应 ATT_gl ，然后根据某种
权重（等权重或组群规模权重）手动加权求出各相对时期的加权平均处理效应 ATT_l 。

（ De Chaisemartin 和 D’Haultfoeuille （ 2020 ）、 Sun 和 Abraham （ 2021 ）、 Callaway 和

Sant’Anna （ 2021 ）、 Dube 等（ 2023 ））

B. 插补法：使用未受处理的子样本（包括控制组和处理前时期的处理组）估计拟合出处理组个体的反事
实结果，而后计算出个体处理效应，最后加总得到各个相对时期的平均处理效应。

（ Liu 等（ 2022 ）、 Borusyak 等（ 2023 ）和 Gardner （ 2022 ））

C. 堆叠法：为每个处理组组群匹配一个由从未接受处理的控制组或尚未接受处理的处理组样本构成的特
定控制组，再将匹配好的样本堆叠起来进行回归。
(Cengiz 等， 2019)
（三）注意事项
5 、异质性处理效应条件下的事件研究法：
（ 3 ）异质性处理效应情形下的事前平行趋势检验
只需使用未接受处理的子样本（包括全部控制组样本和处理前时期
的处理组样本）进行事件研究法估计就能够一致估计处理前各时期
的平均处理效应
参考文献
张子尧 , 黄炜 . 事件研究法的实现、问题和拓展 [J]. 数量经济技术
经济研究 ,2023,40(09):71-92.DOI:10.13653/j.cnki.jqte.20230725.003.

黄炜 , 张子尧 , 刘安然 . 从双重差分法到事件研究法 [J]. 产业经济评

论 ,2022(02):17-36.DOI:10.19313/j.cnki.cn10-1223/f.20211227.002.