Stata平行趋势图

Question

HDFE Linear regression                            Number of obs   =      1,104
Absorbing 1 HDFE group                            F(  18,     92) =       6.66
Statistics robust to heteroskedasticity           Prob > F        =     0.0000
                                                  R-squared       =     0.1591
                                                  Adj R-squared   =     0.1340
                                                  Within R-sq.    =     0.1325
Number of clusters (id)      =         93         Root MSE        =     0.7237

                                    (Std. Err. adjusted for 93 clusters in id)
------------------------------------------------------------------------------
             |               Robust
       lnPro |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
     Before7 |  -.0327544    .073458    -0.45   0.657    -.1786483    .1131395
     Before6 |   .0303077   .0743653     0.41   0.685    -.1173881    .1780036
     Before5 |  -1.046869   .8959284    -1.17   0.246     -2.82626    .7325221
     Before4 |    .025505    .075636     0.34   0.737    -.1247146    .1757246
     Before3 |   .0322761   .0618159     0.52   0.603    -.0904956    .1550478
     Before2 |   .0031933   .0545201     0.06   0.953    -.1050883    .1114749
     Current |   .1526822   .0709339     2.15   0.034     .0118013    .2935631
      After1 |   .1627927   .0664201     2.45   0.016     .0308767    .2947086
      After2 |   .1236279   .0713264     1.73   0.086    -.0180325    .2652883
      After3 |   .1527216   .0569315     2.68   0.009     .0396507    .2657925
      After4 |   .1037156   .0591502     1.75   0.083    -.0137619    .2211931
      After5 |   .1020989   .0524865     1.95   0.055    -.0021437    .2063416
      After6 |   .1066453   .0538163     1.98   0.051    -.0002385    .2135292
      After7 |     .13915   .0564038     2.47   0.015     .0271272    .2511728
         lev |  -.5219806   .2298997    -2.27   0.026    -.9785813     -.06538
        dual |  -.0088396   .0066952    -1.32   0.190    -.0221369    .0044577
      liquid |  -.0017114   .0091014    -0.19   0.851    -.0197876    .0163648
     lnsize1 |   .1617767   .0471173     3.43   0.001     .0681977    .2553557
       _cons |    18.9146   1.013321    18.67   0.000     16.90206    20.92714
------------------------------------------------------------------------------
Stata平行趋势回归的结果，其余年份都正常，只有Before5系数异常，导致作图很难看。有没有解决方案，或者说能否直接删除Before5?这种做法有没有依据？

Answer 1

🕖上午好，题主！目前：🟢[在线]
📢参考通义千问、由郭老师整理提供！
📣今日诗号：醉后不知天在水，满船清梦压星河。

在平行趋势检验中，Before5系数异常确实会影响结果的解读和图形的美观。直接删除Before5不是一个严谨的做法，因为这会影响模型结果的可靠性，并可能导致错误的结论。

以下是一些解决方案和建议：

1. 探究Before5异常的原因:

• 数据问题:
  • 检查Before5的数据是否存在异常值、输入错误、或者样本选择偏差。
  • 确保Before5的数据与其他年份的数据在定义、测量和收集方法上保持一致。
• 遗漏变量:
  • 是否存在其他可能影响Before5的因素，但没有被纳入模型中？例如，政策变化、外部冲击等。
• 非线性关系:
  • 处理组和控制组在Before5时段，对政策的反应可能存在非线性关系。

2. 针对不同原因的解决方案:

• 数据问题:
  • 对于异常值，可以考虑删除或进行winsorize处理。
  • 对于输入错误，需要进行修正。
  • 对于样本选择偏差，需要重新选择样本或者采用更合适的模型。
• 遗漏变量:
  • 尝试将可能影响Before5的因素加入模型中作为控制变量。
• 非线性关系:
  • 尝试加入Before5的平方项或交互项到模型中。

3. 稳健性检验:

• 即使解决了Before5的异常问题，也建议进行稳健性检验，以确保结果的可靠性。例如：
  • 尝试使用不同的控制变量组合。
  • 尝试使用不同的估计方法，如合成控制法。

4. 结果解释:

• 如果Before5的异常无法解释或解决，在结果解释时需要谨慎，并明确说明该异常情况及其可能的影响。

关于代码:

由于您没有提供完整代码，我无法直接修改。以下是一个通用的平行趋势图代码框架，您可以根据自己的数据和需求进行修改：

**假设您的数据已经整理成面板数据格式，且包含以下变量:**

* id:  个体ID
* year:  年份
* treat:  处理组虚拟变量 (1=处理组, 0=控制组)
* time_to_treat:  距离处理时间的年数 (例如，处理前3年为-3，处理后2年为2)
* lnPro:  您感兴趣的结果变量
* ...其他控制变量...

**平行趋势检验:**

* **回归分析:**

xtset id year
xtreg lnPro i.time_to_treat##i.treat lev dual liquid lnsize1, fe cluster(id)

* **生成平行趋势图:**

preserve // 保存数据
keep if inrange(time_to_treat, -7, 7) // 只保留时间窗口内的样本

gen treat_effect = _b[1.time_to_treat#1.treat] // 获取处理组系数
gen time = time_to_treat

twoway (connected treat_effect time if treat==1, lcolor(red)  msymbol(circle)) ///
       (connected treat_effect time if treat==0, lcolor(blue) msymbol(square)), ///
       xline(0, lpattern(dash)) ///
       ylabel(-1(0.5)1, angle(horizontal)) ///
       xlabel(-7(1)7) ///
       legend(label(1 "Treatment Group") label(2 "Control Group")) ///
       title("Parallel Trends Plot") 

restore // 恢复数据

请注意，以上代码仅供参考，您需要根据自己的数据和需求进行修改。