不知道稳健性检验怎么做的来这篇文章看看吧，靠着稳健性检验的大功劳发了世界经济。
稳健性检验具体包括传统的稳健性检验和 DID 条件下的稳健性检验方法，其实一般论文三个以上就可以了，但是越来越卷的当下，我们需要更为可靠的稳健性检验可有可能被审稿人青睐。
传统稳健性检验,
1.更换被解释变量：用其他数据库的被解释变量、如果为自己构造的被解释变量可以更换被解释,变量的构造方式。
2.更换核心解释变量：一般不会去更换其余数据库的变量，但是若为自己构造可更换构造方式。
3.改变时间范围：主要是删除一些特定时间段，比较自由能解释通即可。
4.剔除异常值：当然，异常的标准是自己定的。
5.增加控制变量：一般不推荐，毕竟增加的过程就是在告诉审稿人你遗漏变量了，当然控制变量,也控制不完就是了。
6.控制交互固定效应：如果基准模型是双向固定效应的话可以考虑。
7.改变标准误聚类层级：这个就是稍微改个代码的事儿，Vce一下就好。
8.对所有连续变量进行截尾处理：如果基准用了的话这里就不能用了。
9.更换回归模型。
DID下可额外增加的稳健性检验思路,
1.平行趋势检验：DID的前提，必须要做的部分。
2.安慰剂检验：平行趋势是告诉我们DID的假定前提满足，安慰剂是告诉我们稳健，都是基操。
3.政策试点地区的自选择问题：可以参考上述参考文献，大致就是控制被解释变量的更高层级的数据，从而证明没有自选择问题。
4.排除同期重大政策干扰：是增加控制变量的思路，即同时考虑两个政策的影响，另一政策系数,不显著即可证明稳健性。
5.排除不可观测因素的影响：很有意思的一个部分，一两句话说不清楚，具体可以参考上述文献,以及下述文章：Nunn，N.and Wantchekon，L.The SlaveTrade and theOrigins of Mistrust,inAfrica.TheAmericanEconomicReview，2011。
6.考虑自变量识别问题：有点类似于机制检验的方法，找个中介变量，结果显著就可以，具体原理感觉文章解释的有点抽象。
7.考虑交叠双重差分的模型设计偏误：具体操作是设计一个经典双重差分，就是强行把多期DID变,成多个经典DID的操作。
文中的做法：
1.平行趋势检验。
一是利用事件分析法来验证本文设计的SDID模型是否满足平行趋势假设;
二是设计一个前置政策发生时点的安慰剂检验来“反事实”推断平行趋势是否成立
我们采用政策发生前一期作为基准期，对公式（3）进行了事件分析估计，并将回归结果呈现在表6中。从表6的第（1）列可以观察到，在政策实施前的所有时期（pre2至pre5），估计系数均在0值附近波动，并且在95%的置信区间内不显著。这一结果表明，本文所设定的对照组与实验组基本上满足了平行趋势假设的要求。进一步地，表6的第（2）至（4）列分别展示了前置政策发生时点前1年至3年的安慰剂估计结果。通过仔细分析，我们可以清晰地发现，政策变量regulation的估计系数在这些时期均不显著。这一发现进一步验证了本文所采用的SDID模型满足平行趋势假设。
2.政策试点地区的自选择问题
因为它可能影响到对政策效果的准确评估。由于我们并不清楚选择市场准入负面清单管理制度试点地区的具体逻辑，因此在基准回归结果中，观察到的试点政策对企业全要素生产率（TFP）的提升效应，可能并非完全源于政策本身的作用，而是受到了政策试点地区自选择问题的影响。
为了深入探讨这一问题，本文着重考虑了以下两个方面：一是试点地区本身可能就是高生产率地区；二是试点地区本身就具有较强的招商引资能力。为了解决因遗漏这些关键变量可能导致的政策试点地区自选择问题，本文采用了添加能够反映地区特征变量的策略。
针对第一个问题，即试点地区可能是高生产率地区的情况，本文参考了傅勇和白龙（2009）的方法，计算了各个地区的全要素生产率（ATFP）。通过（1）式的回归分析，结果如表7第（1）列所示。在控制了ATFP后，我们发现政策变量（regulation）的估计系数仍然显著为正，而ATFP的系数则不显著。这表明，即使试点地区本身具有较高的生产率，但政策对企业TFP的提升效应仍然显著，且这一效应并非由地区的高生产率所驱动。
针对第二个问题，即试点地区可能具有较强的招商引资能力的情况，本文通过控制地区固定资产实际投资额对数（AK）和地区实际利用外商投资额对数（FDI）两个变量来进行排除。表7第（2）列和第（3）列分别报告了相关结果。我们发现，在控制了AK或FDI后，政策变量（regulation）的估计系数的大小和显著性基本保持不变，同时AK和FDI的回归系数也不显著。这进一步证实了政策对企业TFP的提升效应并非由地区的招商引资能力所驱动。
最后，为了全面验证本文基准回归结果的稳健性，表7第（4）列还报告了同时控制上述三个可能重要的遗漏变量（ATFP、AK和FDI）后的估计结果。结果显示，政策变量（regulation）的估计系数仍然显著为正，
3.排除政策干扰
4不可观测因素的影响。
5.安慰剂检验。
6.考虑自变量识别问题。
7考虑交叠双重差分模型设计的估计偏误。
8其他稳健性检验。
为了进一步增强基准回归结果的可靠性,本文还进行了以下六个方面的稳健性检验。(1)利用LP法对企业TFP进行重新测算,替换原有OP法得到的指标进行再次估计。(2)将样本截止到市场准入负面清单管理制度在全国推行之前的2018年。(3)考虑在不同地区内的各个企业可能存在相关性,为此本文将标准误进一步聚类至“时间-地区”层级进行分析①。(4)考虑特殊样本的影响,本文剔除政策发生后才上市的企业样本。(5)对所有连续变量进行上下1%水平的截尾处理。(6)进一步控制“时间-行业”交互固定效应,排除行业层面可能随时间变化的随机冲击干扰。经过上述一系列的稳健性测试后,核心解释变量regulation的系数仍然显著为正,市场准入负面清单管理制度试点政策对企业TFP的提升作用非常稳健
来源： 社科学术观
