合成DID操作及Stata应用

sdid—Stata中合成双重差分

继Arkhangelsky等人(2021年)之后，该Stata包实现了综合双重差分估计过程，以及一系列推断和绘图过程。Arkhangelsky等人提供了一个使用R的代码实现，这里附带了一些材料:synthdid。这里我们提供了一个原生的Stata实现，主要是用Mata编写的。这个包扩展了原始R包的功能，允许非常简单地在多个处理阶段交错采用的上下文中进行评估(以及在原始代码的单个采用阶段)。

安装到Stata

ssc install sdid

语法格式

sdid Y S T D, vce(method) seed(#) reps(#) covariates(varlist [, method]) 
graph g1_opt(string) g2_opt(string) unstandardized graph_export([stub] , type)

选项含义：

Y:结果变量(数值)

S:单位变量(数字或字符串)

T:时间变量(数值)

D:处理的虚拟，如果单位被处理，则为1，否则为0(数字)

vce (): bootstrap, jackknife，安慰剂标准误差。

seed():伪随机数的种子定义。

reps(#):重复bootstrap和安慰剂。

covariates(varlist [, method]):用于调整y的协变量。应包含协变量的varlist，并可选用于调整方法的选项。在这种情况下，它可以遵循Arkhangelsky等人提出的方法进行“优化”，在这种情况下，它可以遵循Kranz, 2021 (xsynth在R中)提出的程序。在没有指定方法的情况下，默认使用“优化”。克兰兹已经证明投影法在许多情况下是可取的。在这个实现中，投影的方法通常要快得多。

graph:如果指定了该选项，将显示单位和时间权重以及结果趋势的图形，如Arkhangelsky等人的图1。

g1_opt(string) g2_opt(string):选项，用于修改上述图形的外观。G1为单位权重图，g2为结果趋势图。请求的选项必须遵循Stata的twoway_options的语法。

unstandardized:如果包含了控制，并且指定了“优化”方法，在找到最优权重之前，控制将被标准化为z分数。这避免了控制变量具有高度离散时的优化问题。如果指定了非标准化，则只需输入控件的原始单位。应该谨慎使用这个选项。

graph_export([stub]， type):使用这个选项可以将生成的图形保存到磁盘。每个单位权重和结果趋势将分别保存为weightsYYYY和trendsYYYY, YYYY表示每个治疗采用期。每个治疗采用阶段将生成两个图表。如果指定了该选项，则必须指定type，它指的是一个有效的Stata图形类型(例如"。Eps "， ".pdf"等等)。可选地，可以指定一个存根，在这种情况下，它将被放在导出的图形名称的前面。

案例1

一个基于提案99 (Abadie et al.， 2010)的例子，只有一个采用日期。加载Abadie et al.(2010)数据:

. use "C:\Users\Metrics\Desktop\prop99_example.dta"

使用sdid进行估计，导出权重和趋势图:

. sdid packspercapita state year treated, vce(placebo) seed(1213) graph g1_opt(xtitle("")) g2_

可以使用 eststo and esttab输出结果:

*create a uniform variable to use as a control
gen r=runiform()

*run sdid
eststo sdid_1: sdid packspercapita state year treated, vce(placebo) seed(2022)
eststo sdid_2: sdid packspercapita state year treated, vce(placebo) seed(2022) covariates(r, projected)

*create a table
esttab sdid_1 sdid_2, starlevel ("*" 0.10 "**" 0.05 "***" 0.01) b(%-9.3f) se(%-9.3f)

结果为：

--------------------------------------------
                      (1)             (2)   
             packsperca~a    packsperca~a   
--------------------------------------------
treated           -15.604*        -15.750*  
                  (7.981)         (8.039)   
--------------------------------------------
N                    1209            1209   
--------------------------------------------
Standard errors in parentheses
* p<0.10, ** p<0.05, *** p<0.01

案例2

基于议会性别配额、议会中的女性和孕产妇死亡率的交错采用设计实例(Bhalotra等人，2020年)。数据加载:

use "C:\Users\Metrics\Desktop\quota_example.dta"

运行没有协变量和引导标准误差的估计

sdid womparl country year quota, vce(bootstrap) seed(1213)

以投影的方式使用协变量运行sdid

sdid womparl country year quota, vce(bootstrap) seed(1213) covariates(lngdp, projected)

安慰剂检验代码

安慰剂检验代码为：

//Specify URL
webuse set www.damianclarke.net/stata/

*------------------------------------------------------------------------------*
*ONE TIME ADOPTION
*------------------------------------------------------------------------------*
webuse quota_example.dta, clear

*-----------*
*Bootstrap SE
*-----------*
//Keep only one time adoption units (2002)
#delimit ;
drop if country=="Algeria" | country=="Jordan" | country=="Kenya"     |
        country=="Rwanda"  | country=="Samoa"  | country=="Swaziland" | 
        country=="Tanzania";
#delimit cr

sdid womparl country year quota, vce(bootstrap) seed(1234) graph

*with control
preserve
drop if lngdp==.
sdid womparl country year quota, vce(bootstrap) seed(1234) covariates(lngdp)
sdid womparl country year quota, vce(bootstrap) seed(1234) covariates(lngdp, projected)
restore

*----------*
*Placebo SE
*----------*
sdid womparl country year quota, vce(placebo) seed(1234) 

*with control: it is necessary drop the missing observations in control variable
preserve
drop if lngdp==.
sdid womparl country year quota, vce(placebo) seed(1234) covariates(lngdp)
sdid womparl country year quota, vce(placebo) seed(1234) covariates(lngdp, projected)
restore

*-----------*
*Jackknife SE
*-----------*
sdid womparl country year quota, vce(jackknife)

*with control: it is necessary drop the missing observations in control variable
preserve
drop if lngdp==.
sdid womparl country year quota, vce(jackknife) covariates(lngdp)
sdid womparl country year quota, vce(jackknife) covariates(lngdp, projected)
restore

*------------------------------------------------------------------------------*
*STAGGERED ADOPTION
*------------------------------------------------------------------------------*
webuse quota_example.dta, clear

*-----------*
*Bootstrap SE
*-----------*
sdid womparl country year quota, vce(bootstrap) seed(1234) graph

*with control: it is necessary drop the missing observations in control variable
preserve
drop if lngdp==.
sdid womparl country year quota, vce(bootstrap) seed(1234) covariates(lngdp)
sdid womparl country year quota, vce(bootstrap) seed(1234) covariates(lngdp, projected)
restore

*----------*
*Placebo SE
*----------*
sdid womparl country year quota, vce(placebo) seed(1234)

*with control: it is necessary drop the missing observations in control variable
preserve
drop if lngdp==.
sdid womparl country year quota, vce(placebo) seed(1234) covariates(lngdp)
sdid womparl country year quota, vce(placebo) seed(1234) covariates(lngdp, projected)
restore

*-----------*
*Jackknife SE
*-----------*
//Keep only treatment periods with more than 2 treated units (2002-2003)
//This is required for jackknife standard error
#delimit ;
drop if country=="Algeria"   | country=="Kenya"    | country=="Samoa"  | 
        country=="Swaziland" | country=="Tanzania";
#delimit cr

sdid womparl country year quota, vce(jackknife)

*with control: it is necessary drop the missing observations in control variable
preserve
drop if lngdp==.
sdid womparl country year quota, vce(jackknife) covariates(lngdp)
sdid womparl country year quota, vce(jackknife) covariates(lngdp, projected)
restore

R软件安装