CIMERS的因果推断最新进展+量化宏观，视频课程全新回归！
👉面板数据模型(DID等)最新进展及其stata应用，点击查看
👉DSGE第一课与Dynare编程，点击查看
成为CIMERS内部学员，你可以获得
⭐ 高质量课程，详细课件，可复用代码及数据
⭐ 许老师详尽答疑服务，知无不言，学无止境
⭐ 高质量的交流社群（主要为硕博以及高校教师）
⭐ 许老师增值讲座，文献解读，模型讲解
⭐ 未来课程内部学员折扣
⭐⭐诚邀您加入CIMERS，许老师正在寻找好的合作者，一起作出高质量研究⭐⭐
报名任意课程即可成为CIMERS内部学员
咨询购买请联系
联系人：吴峰宇老师
联系电话：184 7751 1575
联系邮箱：cimers_dsge@econmod.cn
其它事项：可开具培训、技术服务、咨询等类型的增值税普票
更多课程信息，扫描下方二维码咨询：
特别提醒：非诚勿扰！
恳请各位老师同学动动发顶刊的小手，点个赞和在看，让更多人看到我们的研究，您的支持是CIMERS最大的动力！
Myint, Leslie. "Controlling time-varying confounding in difference-in-differences studies using the time-varying treatments framework." Health Services and Outcomes Research Methodology 24.1 (2024): 95-111.
Roth, Jonathan, et al. "What’s trending in difference-in-differences? A synthesis of the recent econometrics literature." Journal of Econometrics 235.2 (2023): 2218-2244.
Zeldow, Bret, and Laura A. Hatfield. "Confounding and regression adjustment in difference‐in‐differences studies." Health services research 56.5 (2021): 932-941.
Caetano, Carolina, and Brantly Callaway. "Difference-in-Differences with Time-Varying Covariates in the Parallel Trends Assumption." arXiv preprint arXiv:2406.15288 (2024).
下文是许老师的工作论文的理论部分概述。分享给大家：
在大多数因果效应文献中，混淆因子是最令研究者头疼的事情。混淆因子是与处理变量和结果变量同时相关的变量。理论上来说，随机实验没有混淆因子的困扰——没有因素与处理相关。换言之，潜在结果与处理是独立的。
但有时候，处理仅仅在协变量X的一个确定水平上才是随机的，这就意味着
通常，无条件/条件独立性都只在随机实验中存在。在实践中，研究者并不能保证协变量X足以让D和条件独立。即使研究者不断地增加协变量，仍然有一些未考虑或者无法测度的协变量U会同时与处理和潜在结果相关。
在DID中，混淆因子与上述概念相关，但并不相同。也就是说，DID并不要求协变量在处理组和控制组是平衡的（balance），即处理组中存在差异化的协变量，且它与结果变量相关并不必然会混淆处理效应估计量（Zeldow and Hatfield，2021）。
许多文献已经显示了在条件于协变量的平行趋势假设下，研究者才能识别出处理组处理效应（Heckman et al，1998；Abadie，2005；Sant' Anna and Zhao，2020）。条件平行趋势假设在实践应用中非常有吸引力，因为未处理潜在结果的路径可能沿着协变量维度上存在差异。
而在一些计量经济学文献中，研究者要么假设协变量不随时间变化，要么使用处理前协变量（实践操作基本是将时变协变量设定为处理前某一期的水平或者平均水平，例如，Bonhomme and Sauder (2011) ，Lechner (2011)）。而在一些应用文献中，研究者通常采用处理前协变量与时间的交乘项来近似时变协变量，例如，Tang and Xu(2023)，Xu et al.（2024）。而在更多的应用研究中，研究者经常直接包括时变的协变量。在如此多样化的应用实践中，条件于协变量的识别假设到底是什么？基于此，研究者到底应该如何控制协变量？
本文通过潜在因果框架和蒙特卡洛模拟来讨论DID对混淆因子和协变量调整的要求，尤其是分析了事件不变和时变协变量对平行趋势假设和估计量偏误的影响。基于此，本文给出了DID中混淆因子讨论和协变量调整的实践指南。
需要说明的是，本文仅仅关注可观测的混淆因子和协变量的调整，对于不可观测的混淆因子及其应对策略，将在另一篇工作论文中详细的分析和模拟研究。
在DID中，研究者最关心的估计量是处理组的平均处理效应（average effect of treatment on the treated，ATT）
其中，，是初次处理时间，即表示处理后时期。指代处理组，和分别是潜在结果。在上述定义中，包含处理后的未处理潜在结果，它不可观测。但是，在在一些假设下，研究者可以用可观测结果来识别ATT。
① 无预期假设。即未来处理并不会影响现在的潜在结果。
② 平行趋势假设：处理前是0期，处理后是1期，。
在多时点情形下，平行趋势假设可以变成：。其中，表示处理前时期。
此时，我们可以将感兴趣的ATT变换成：
考虑最简单的情形，只有两期，没有协变量的情形。只要上述假设成立，研究者可以使用样本均值来估计上述ATT。Athey and Imbens（2006）和Angrist and Pischke（2009）给出了一个经典的未处理潜在结果的线性模型：
上式表明，反事实的未处理结果是截距项，时间效应，个体效应和正态分布的误差项之和。此时，可以将观测结果表达成：
假设存在两个组群，两期（t=0,1）。那么，的模型可以变为
如果模型正确声明，且假设①成立，那么，
也就是说，处理组处理前后的变化差异与控制组处理前后的变化差异相同，平行趋势假设成立，可以识别出ATT。
下面，引入时间不变的协变量来考察对识别假设的影响。将上述未处理结果的线性模型写成X的加性形式：
其中，协变量对结果的效应可以随时间变化。
① 假设协变量X对结果Y的效应不随时间变化，即：
从上述平行趋势假设可以清晰地看出，在时间不变的协变量对结果变量有恒定的效应时，即使处理组和控制组协变量的分布存在差异（不平衡），条件平行趋势仍然成立。
但协变量X对Y的效应是时变的：
从上式可以看出，平行趋势并不必然成立，因为，或者即使相等（），只要和控制组协变量的分布存在差异（不平衡），条件平行趋势就不成立。
（未完待续...）
注：（1）相关讲稿、Slides和stata do文件在许文立老师的github及其主页上公布。
（2）CIMERS学员/付费会员注意后续线上讲座通知。
（3）更多计量和stata内容，请参见经验分析方法及Stata命令汇总
72、【应用计量系列72】断点回归（2）：丝滑世界里找“跳跃”
73、【应用计量系列73】交叠DID估计量 :stata包csdid升级版
74、【应用计量系列74】控制组群固定效应还是个体固定效应？
75、【应用计量系列75】合成控制法的新推断框架和stata应用
76、【应用计量系列76】平行趋势的秘密（一）：平行趋势假设的类型
77、【应用计量系列77】平行趋势的秘密（二）：明知不可为而为之
79、【应用计量系列79】平行趋势的秘密（三）：如何给平行趋势假设提供经验证据？
81、【应用计量系列81】平行趋势的秘密（四）：如何给平行趋势假设提供经验证据？
82、【应用计量系列82】因果推断中的纠偏机器学习方法（DDML）
85、【应用计量系列85】DID最新文献：共同相关效应DID（CCE-DID）
86、【应用计量系列86】新DID的Stata包升级版csdid2
92、【应用计量系列92】事件研究对平行趋势假设检验的效力及stata操作
94、【应用计量系列94】因果效应推断概述课后作业：随机实验分析
95、【应用计量系列95】匹配估计量（1）：小小的匹配从来没有伤害过任何人
97、【应用计量系列97】匹配估计量（2）：条件独立性假设、敏感性检验及stata操作
99、【应用计量系统99】匹配估计量（3）：精确匹配与共同支持假设
100、【应用计量系列100】最新的交错处理效应估计量：随机交错处理下，更有效率的估计量及其stata操作
101、【应用计量系列101】Stata 18新功能（1）：异质性处理效应
102、【应用计量系列102】stata 18新功能（2）：培根分解
103、【应用计量系列103】一文读懂线性回归的标准误与stata应用
【应用计量系列100】随机交错处理下，更有效率的估计量及其stata操作(Update)
105、【应用计量系列105】DID Handbook（持续更新）
106、【应用计量系列106】标准误太大，系数不显著？也许弄错了标准误的来源
107、【应用计量系列107】动态合成双重差分及stata操作
108、【应用计量系列108】异质性处理效应稳健估计量：dCDH估计量
118、【应用计量系列118】《双重差分法的最新理论进展与经验研究新趋势》附录B
119、【应用计量系列119】DID的平行趋势，真的理解，并会用了吗？兼论平行趋势敏感性检验及其stata应用
121、【应用计量系列121】工具变量的强弱检验与stata应用
122、【应用计量系列122】最新异质性处理效应估计量：局部投影法DID的stata命令与例子
123、【应用计量系列123】进入退出DID的稳健估计量和stata例子
124、【应用计量系列124】DID：面板数据与重复截面数据
126、【应用计量系列126】新DID的事件研究图，理解对了吗？
127、【应用计量系列 127】新 DID 的事件研究图，理解对了呀？（续）
128、【应用计量系列 128】一图知因果：因果推断方法选择流程图
129、【应用计量系列129】堆叠DID（stacked DID）及其应用
131、【应用计量系列131】不平行的DD，平行的DDD与stata应用
132、【应用计量经济系列 132】stata 中固定效应模型的命令注意事项
133、【应用计量系列 133】不要这么用异质性处理效应稳健估计量
135、【应用计量系列 135】DID 的平行趋势支持证据的安慰剂检验
137、【应用计量系列137】连续DID的异质性处理效应与stata操作（升级版）
138、【应用计量系列138】推荐多看看Jeff老爷子的东西
140、【应用计量系列 140】Sant' Anna: DID Check List
141、【应用计量系列141】DID的稳健性检验：不可观测的混淆因子-SIV（理论篇）
142、【应用计量系列142】Bartik IV/SSIV到底要怎么应用？
145、【应用计量系列145】Sant' Anna的DID规定动作（1）：处理模式图
146、【应用计量系列146】Sant' Anna的DID规定动作（2）：每类处理中处理个体数
147、【应用计量系列147】Sant' Anna的DID规定动作（3）：画出每个处理类别的平均结果时序图
148、【应用计量系列148】Sant' Anna的DID规定动作（4-1）：写好制度背景---处理配置机制
149、【应用计量系列149】Sant' Anna的DID规定动作（4-2）：处理配置机制～一场星际会议的讨论
150、【应用计量系列150】Sant' Anna的DID规定动作（4-3）：处理配置机制—Ashenfelter's Dip
151、【应用计量系列151】Sant' Anna的DID规定动作（4-4）：处理配置机制——基于可观测协变量的处理
152、【应用计量系列152】Sant' Anna的DID规定动作（4-5）：处理配置机制——是什么时候平行趋势不成立
153、【应用计量系列153】最新理论与命令：前向型DID(Forward DID)及其stata应用
155、【应用计量系列155】因果推断的效力分析（Power Analysis）及stata代码
157、【应用计量系列157】弱工具变量的AR检验与stata命令
点击蓝色链接，即可查看详细课程大纲
CIMERS在线课程列表
因果推断系列视频课程主要内容包括：
（1）DID、交叠DID及其stata案例；
（2）事件研究及其stata案例；
（3）合成控制法及其stata案例；
（4）平行趋势检验及其stata案例
（5）断点回归及其stata案例
DSGE基准模型与Dynare编程入门
（1）实际经济周期模型（RBC）
（2）新凯恩斯主义模型（NK）
（3）金融中介
（4）环境DSGE模型
（5）劳动市场搜寻与匹配模型
（6）开放经济DSGE模型
异质性代理人模型与应用
（1）投资资产定价模型
（2）数值算法
（3）宏观金融前沿课题
绿色金融DSGE
（1）金融摩擦的DSGE模型：抵押约束、BGG、金融机构
（2）环境DSGE
（3）绿色金融DSGE
成为CIMERS内部学员，你可以获得
⭐高质量视频课程，详细课件资料，可复用代码及数据
⭐许老师详尽的答疑服务，知无不言，学无止境
⭐高质量的交流社群（主要为硕博以及高校教师）
⭐许老师增值讲座，包括但不限于文献解读，模型讲解
⭐⭐诚邀您加入CIMERS，许老师正在寻找好的合作者，一起作出高质量研究⭐⭐
咨询购买请联系
联系人：吴峰宇老师
联系电话：184 7751 1575
联系邮箱：cimers_dsge@econmod.cn
其它事项：可开具培训、技术服务、咨询等类型的增值税普票
更多课程信息，扫描下方二维码咨询：
特别提醒：非诚勿扰！
