研究数据高级数据

双重差分DID方法与Stata实证案例合集

数据格式 Excel / Stata / Stata代码 / PDF / Word / RAR更新日期

数据摘要

政策效果评估需要根据试点范围与数据结构选择方法。本资料汇集传统、多期及队列等双重差分方法的说明、代码、演示数据和参考材料，并包含政策评估方法的比较介绍。可用于学习DID模型设定、案例操作及不同政策情境下的实证设计。

基本信息

当前预览样本量820 行
文件格式Excel / Stata / Stata代码 / PDF / Word / RAR
文件包大小2.01 GB
包含内容数据表43份、代码127份、文档194份、图片4份、视频6份、压缩文件2份、其他文件13份
所属分类

测算方法

该资料按政策评估场景汇集DID教程、案例数据及Stata代码，包括传统DID、出生队列DID、不同实施时间的多期DID、空间DID、PSM-DID及截面设计。传统案例由处理组和实施后状态构造交互项，控制个体、时间等效应；队列案例以出生年份替代时间维度；多期与事件研究案例生成相对实施年份的提前、当期和滞后交互项，并绘制系数及区间；空间案例引入权重矩阵和空间滞后；匹配案例先估计倾向得分、筛选共同支撑样本并作平衡性比较，再估计政策效果。各案例使用各自的样本、控制变量、聚类层级与基准期，代码按清理数据、回归、表格和图形组织，属于方法学习与复现资料。

参考文献

[1]范子英.如何科学评估经济政策的效应?[J].财经智库,2018,3(03):42-64+142-143. [2]刘甲炎,范子英.中国房产税试点的效果评估:基于合成控制法的研究[J].世界经济,2013,36(11):117-135. [3]余静文.重庆统筹城乡改革缩小了城乡收入差距吗?——基于合成控制法的经验研究[J].西部论坛,2013,23(01):1-10. [4]王贤彬,聂海峰.行政区划调整与经济增长[J].管理世界,2010(04):42-53. [5]邹红,喻开志.退休与城镇家庭消费:基于断点回归设计的经验证据[J].经济研究,2015,50(01):124-139.

以下字段、样本量及样本仅对应当前展示的数据表，不代表资料包全部文件。查看文件结构

字段列表共 8 个字段

字段类型均值标准差最小值最大值缺失率
id整数246.5073171148.141275715220.0000%
t整数0.50.5003051572010.0000%
treated整数0.80731707320.3946468686010.0000%
fte数值17.594569299.0225168940802.3171%
bk整数0.41707317070.4933761188010.0000%
kfc整数0.19512195120.3965364206010.0000%
roys整数0.24146341460.4282317961010.0000%
wendys整数0.14634146340.3536639278010.0000%

数据样本预览

资料样本（部分数据）

仅可预览前100 行、100 列，滚动查看其余行列，完整数据以下载文件为准。

idttreatedftebkkfcroyswendys
101311000
111401000
201131000
21112.51000
30112.50100
3117.50100
401160010
411200010
501200010
511250010
60130010
61160010
801—0001
81127.50001
901321000
911161000
1001251000
101122.51000
1101251000
1111241000
120118.251000
121122.51000
130112.50100
13117.50100
1401140100
141112.50100
150115.50010
1511150010
1601170010
161115.50010
1701100010
171121.50010
180127.50010
1811270010
190119.51000
1911281000
2101110100
21115.50100
220110.50010
221110.50010
230112.51000
2311211000
240122.51000
2411251000
260137.51000
2611201000
270190100
27113.50100
280170100
281170100
29013.50100
29116.50100
300180100
30115.50100
3101120100
311113.50100
320120.250010
321114.50010
3301220010
331111.50010
340112.50010
341114.50010
350128.250001
3511220001
3601140001
361127.50001
370025.51000
371018.51000
3801251000
3811201000
3900171000
391012.51000
4000201000
401019.51000
410013.51000
4110211000
4200191000
4210111000
4500121000
4510171000
460037.51000
4610211000
470032.51000
471022.51000
4800161000
4810201000
49009.750100
49107.50100
5000110100
5010140100
51007.50100
511013.50100
5600300001
5610180001
5700350001
5710160001
580020.50001
5810140001
59007.50001
591080001

代码公开披露

仅展示前 30 行，供了解变量构造与处理流程，完整代码请下载文件查看。

'
use census_1990_clean.dta,clear

*******************Standard cohort DID估计
gen treat = inrange(year_birth,1956,1969) if inrange(year_birth,1946,1969) //划分处理组和控制组

reghdfe yedu c.sdy_density#c.treat male han_ethn if rural==1, absorb(region1990 prov#year_birth c.primary_base#year_birth c.junior_base#year_birth) cluster(region1990)



*******************Reduced-Form cohort DID估计

forvalues y = 1946/1969 {
	gen I`y' = sdy_density*[year_birth==`y']
}

reghdfe yedu I1946-I1969 male han_ethn if rural==1, absorb(region1990 prov#year_birth c.primary_base_older#year_birth c.junior_base_older#year_birth) cluster(region1990)



*-绘图
coefplot, baselevels ///
keep(I19*) ///
vertical ///转置图形
coeflabels(I1946=1946 I1947=1947 I1948=1948 I1949=1949 I1950=1950 ///
I1951=1951 I1952=1952 I1953=1953 I1954=1954 I1955=1955 I1956=1956 ///
I1957=1957 I1958=1958 I1959=1959 I1960=1960 I1961=1961 I1962=1962 ///
I1963=1963 I1964=1964 I1965=1965 I1966=1966 I1967=1967 I1968=1968 ///
I1969=1969) /// 
yline(0,lwidth(vthin) lpattern(solid) lcolor(teal)) ///