回归结果不显著，处理组与预期相反

Question

reghdfe ln_地区生产总值增长率全市 c.post##c.lowestprice if treat1==0, abs(citycode year) vce(r)
reghdfe ln_地区生产总值增长率全市 c.post##c.lowestprice if treat1==1, abs(citycode year) vce(r)

Answer 1

让【道友老李】来帮你解答，本回答参考gpt编写，并整理提供，如果还有疑问可以点击头像关注私信或评论。

如果答案让您满意，请采纳、关注，非常感谢！

为了解答您提出的问题，我们将分析一下使用 `reghdfe` 命令的两条回归模型。这两条命令的目的是研究自变量对地区生产总值增长率的影响，尤其是探讨 `post` 和 `lowestprice` 的交互效应。接下来，我们将逐一分析这两个回归模型，并提供规范的格式和实例。

1. 回归模型解释

第一条回归模型

reghdfe ln_地区生产总值增长率全市 c.post##c.lowestprice if treat1==0, abs(citycode year) vce(r)

• 依变量: ln_地区生产总值增长率全市（自然对数形式的地区生产总值增长率）。
• 自变量: c.post 和 c.lowestprice，其中 ## 表示自变量之间的交互效应。
• 条件: 只考虑 treat1 等于 0 的观察值。
• 固定效应: citycode 和 year 被纳入固定效应，控制这些变量对回归结果的影响。
• 标准误: vce(r) 表示使用稳健标准误。

第二条回归模型

reghdfe ln_地区生产总值增长率全市 c.post##c.lowestprice if treat1==1, abs(citycode year) vce(r)

• 该模型与第一条回归模型类似，但只考虑 treat1 等于 1 的观察值。

2. 分析和对比

这两条回归模型的区别在于样本选择（treat1 的不同取值）。这可以帮助我们分析政策或干预效果对不同组别（treat1=0 和 treat1=1）的影响。通过比较这两组的回归结果，可以得出干预措施是否有效，以及政策效果的异质性。

3. 案例

假设我们有一个关于某城市经济发展政策的实证研究，其中 post 表示政策实施后的时间（例如：实施后的年份），lowestprice 表示最低价格（如最低工资标准），而 treat1 则将样本分为接受政策干预和未接受政策干预两组。

结果讨论

• 结果解释: 如果 c.post 对地区生产总值增长率的影响在 treat1=0 和 treat1=1 两种情境下显著不同，则可能说明政策的有效性和适用性存在异质性。

4. Stata代码示例

以下是具体的 Stata 代码示例，用于执行以上两条回归分析：

* 第一条模型
reghdfe ln_地区生产总值增长率全市 c.post##c.lowestprice if treat1==0, abs(citycode year) vce(r)
* 保存结果
eststo model1
* 第二条模型
reghdfe ln_地区生产总值增长率全市 c.post##c.lowestprice if treat1==1, abs(citycode year) vce(r)
* 保存结果
eststo model2
* 比较两条模型的结果
esttab model1 model2, starlevels(* 0.1 ** 0.05 *** 0.01) title("政策效果比较")

总结

通过以上分析，我们可以看到如何使用 reghdfe 命令来分析政策干预对地区经济增长的影响。利用 treat1 变量的分组，我们能更深入理解政策实施的效果差异，为后续的政策制定提供依据。