Staggered-DID 的实现

为保证本贴的简洁性与一般适用性，本文并没有使用现有真实数据，而是模拟了一个一般数据。如果你手中有正在处理好的project数据，可以跳过1.数据生成，直接从2.数据预加工开始。

1.数据生成

(1)数据生成过程

• 我将随机生成一个数据来模拟staggered-DID，即设定了50个unit，其中第 1/3/5/7/9/11/13/15/17/19个unit是实验组，剩下的40个unit为对照组。

• 生成一个自然年份year,从2001-2020年

• 我将随机给treatment group分配一个shock时间，并生成对应的treatyear变量

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

• 根据treat、year以及treatyear等变量：

  • 生成相对时间ty，用以衡量各年是shock发生前或后的第几年

  • 生成post变量，用于反映shock是否已经发生

  • 生成did项

• 最后，利用随机数，生成outcome变量，lnv

以下是实现过程，注意运行一下程序须保证stata安装egenmore包

(2)数据生成代码

**# 1.生成数据
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)数据生成结果

2.数据预加工

(1)加工步骤

在得到数据后，须先对数据进行一定处理，才可进行staggered-DID估计，主要有以下几步：

• 生成各期的虚拟变量，例如：
  • 对于事前第1期(