概述
PreTrends 是一个用于平行趋势检验（parallel trends test）功效计算和可视化潜在平行趋势违背的Stata包。
其计算方法基于 Roth (2022) 的理论，并且是R语言同名包的Stata版本。
主要功能
平行趋势检验的功效计算：用来检查预趋势检验的功效，评估多大程度的平行趋势违背才会被检测到。 可视化：提供事件研究图（event-study plot）来展示可能的平行趋势违背。 检测平行趋势的功效：计算一个给定大小的平行趋势违背，检验是否能以某个指定概率（例如80%）被检测到。
此外，PreTrends 包还提供了敏感性分析，作为替代方法，帮助处理并行趋势假设的违背。
安装
您可以使用以下命令安装 PreTrends 包：
local github https://raw.githubusercontent.com
net install pretrends, from(`github'/mcaceresb/stata-pretrends/main) replace
如果您想从本地安装，可以通过以下命令：
cap noi net uninstall pretrends
net install pretrends, from(`c(pwd)'/stata-pretrends-main)
应用实例：He 和 Wang (2017)
我们使用 PreTrends 包进行一个应用实例，该实例基于 He 和 Wang (2017) 中的事件研究图（Figure 2C）来进行分析。
加载示例数据
首先，加载 He 和 Wang (2017) 使用的数据集：
use "https://media.githubusercontent.com/media/mcaceresb/stata-pretrends/main/data/workfile_AEJ.dta", clear
然后，运行回归：
reghdfe l_poor_reg_rate Lead_D4_plus Lead_D3 Lead_D2 D0 Lag_D1 Lag_D2 Lag_D3_plus, absorb(v_id year) cluster(v_id) dof(none)
回归结果如下：
| Robust
l_poor_reg~e | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
Lead_D4_plus | .0667032 .0943746 0.71 0.480 -.1191533 .2525596
Lead_D3 | -.0077018 .0770514 -0.10 0.920 -.1594428 .1440392
Lead_D2 | -.0307691 .0551237 -0.56 0.577 -.1393268 .0777887
D0 | .0840307 .0626478 1.34 0.181 -.0393445 .2074059
Lag_D1 | .2424418 .0898103 2.70 0.007 .0655741 .4193096
Lag_D2 | .219879 .0887783 2.48 0.014 .0450438 .3947142
Lag_D3_plus | .1910925 .0989365 1.93 0.055 -.0037478 .3859329
_cons | 1.478639 .0811732 18.22 0.000 1.31878 1.638497
我们使用 PreTrends 包来计算和可视化预趋势检验的功效，并检验假设的平行趋势违背。
计算平行趋势的功效
pretrends power 0.5, pre(1/3) post(4/7)
pretrends power 0.5, pre(1/3) post(4/7)
* Slope for 50% power = .0520259
return list
* scalars:
* r(slope) = .0520258592463583
* r(Power) = .5
解释：
pre(1/3)指定预处理事件研究系数的位置（1到3）。post(4/7)指定后处理事件研究系数的位置（4到7）。
输出显示，若存在一个斜率为 0.05 的线性预趋势，我们将只能在 50% 的情况下发现显著的预趋势（即80%的功效）。
可视化平行趋势违背
接下来，使用 PreTrends 包的可视化功能，绘制假设的平行趋势违背：
matrix sigma = e(V)
matrix beta = e(b)
matrix beta = beta[., 1..7]
matrix sigma = sigma[1..7, 1..7]
pretrends, numpre(3) b(beta) v(sigma) slope(`r(slope)')
Power50
这会生成一个图形，展示了假设的线性平行趋势违背。
解释返回结果
返回结果包括以下统计量：
**r(Power)**：在假设的平行趋势下，我们找到显著预趋势的概率。 **r(Bayes)**：贝叶斯因子，表示假设趋势与平行趋势相比的概率。 **r(LR)**：似然比，表示在假设趋势与平行趋势下观察到系数的相对可能性。 **r(results)**：用于事件图的结果数据。
总结
PreTrends 是一个强大的工具，可以帮助研究者评估 平行趋势假设的有效性，通过计算 功效 和可视化可能的趋势违背。它提供了：
功效计算，检验预趋势是否能够检测到显著的平行趋势违背。 可视化工具，帮助展示假设的平行趋势违背。 支持 线性 和 非线性 的平行趋势违背模型。
最新论文应用
PreTrends 最新论文应用，详见【超全】2023-2024年第1期--第12期全年《数量经济技术经济研究》24期命令、方法汇总
论文题目：“亩均论英雄”改革与企业高质量发展——基于效率变革和动力变革的视角
渐进式双重差分模型
平行趋势检验
诚实双重差分方法（Honest DID）
双向固定效应偏误识别与异质性处理效应检验
安慰剂检验
稳健性检验
平行趋势检验部分除了用到诚实双重差分方法（Honest DID），还用Roth（2022）对平行趋势非线性违背情况的分析方法，对处理组和控制组存在非线性关系的情况进行分析。
论文复刻结果为：
