投稿问答最小化  关闭

万维书刊APP下载

香樟青苗简报|徐轶青:双向固定效应模型:近期文献的新见解

2023/8/3 10:27:31  阅读:57 发布者:

2023725日上午,斯坦福大学政治系助理教授徐轶青应邀为第六期“香樟青苗计划”学员进行了主题为“Two-Way Fixed Effects Models: New Insights from the Recent Literature”的线上精彩讲座。

嘉宾简介:徐轶青,斯坦福大学政治学系助理教授。主要研究领域为面板数据因果推断。本科毕业于复旦大学经济学系;硕士毕业于北京大学中国经济研究中心(现国家发展研究院);2016年于麻省理工学院(MIT)政治学系获博士学位。20167月至20196月,于加州大学圣地亚哥分校(UCSD)政治学系工作。徐老师的工作成果发表于政治学国际顶级期刊,并获得多个专业奖项。

讲座伊始,徐老师从三个事实出发,一是利用观察数据的因果推断具有挑战,二是在今天的社会科学研究中往往采用面板数据进行因果推断,三是面板数据方法中,双重差分法(DID)和双向固定效应(TWFE)最为流行。徐老师的讲座主要分成三部分,分别是:TWFE 模型的有效性依赖于哪些假设?权重问题是什么,如何解决?平行趋势假设失效的潜在解决方案是什么?

针对第一部分,徐老师首先对DID模型进行了简短的回顾,采用处理时点图介绍了经典2×2DID,多期DID,和交错DID模型的区别。随后,徐老师详细讲解了TWFE模型有效的假设:

1Functional form

1Additive fixed effect

2Constant and contemporaneous treatment effect

3Linearity in covariates

2Strict exogeneity

徐老师指出实证研究中,两个假设普遍面临着严峻挑战:比如强外生性假设远比想象中更难以满足;平行趋势普遍失败;异质性处理效应导致的偏差等。徐老师采用生动形象的变量关系图进一步解释了强外生性假设需满足的几点设定:

不存在未观察到的时变混杂因素

过去的结果不直接影响当前的结果(No LDV),即Yt-1Yt无连线

过去的处理(Treatment)不直接影响当前的结果(无延续效应)

过去结果不直接影响当前的处理(Treatment)(无反馈),即Yt-1Dt无连线

讲座第二部分,徐老师首先提出什么是TWFE在交叠处理设计中的负权重问题:TWFE对平均处理效应的估计可以分解为若干个2×2的经典DID估计量的凸加权平均,这些2×2 DID 可分为四类,其中在有些组别,已经接受处理的个体(Early Treated)作为了新接受处理个体(Later Treated)的控制组,这会导致部分ATT获得负的权重。当处理效应存在异质性时,这类负权重问题就可能影响处理效应的估计,甚至导致TWFE得到与实际效应符号相反的估计值。其次,徐老师讲解了诊断负权重问题的方法,介绍了Goodman-Bacon2021)分解方法,并采用“无过错离婚”的例子讲解如何使用Bacon decomposition诊断是否存在“坏比较”问题,以及“坏比较”组的权重占比。

接下来,徐老师结合现有文献讲解了应对异质性处理效应的多种稳健估计量:其中Sun & Abraham2021& Cengiz et al. (2019)处理的是交错选择的情况。采用没有经过处理或者最后一批被处理的作为对照组,使用双重交错估计CATTCallaway & SantAnna (2021)Sun & Abraham2021)的与前两篇文章的主要差别是在构造2×2DID时,不是总与从未接受处理个体(never treated)作比较,而是允许采用尚未接受处理(not yet treated)的个体作为控制组。De Chaisematrin and DHaultfoeuille (2020) 运用了配对的思想,只看前后两期,邻近的两个人做对比,使用DID方法估计效应。Imai, Kim & Wang (2021)的模型考虑更加深入,允许有滞后,可以去估计延滞效应。

另外,徐老师向学员们展示了他们团队最新Working Paper的部分内容:采用以上新方法,对2017-2021年在美国顶级政治学期刊发表论文的复现成果。研究发现:对于绝大多数研究,这些异质性稳健估计量与TWFE的结果基本一致,只是估计值的不确定性增加了;在不少研究中,平行趋势假设看起来不太可靠。

讲座第三部分,徐老师简要讨论了平行趋势失败(和异质性处理效应)的潜在解决方案:重新加权/匹配的方法,Imputation Method(插补法),以及Doubly Robust Estimators(双重稳健估计)。徐老师介绍了结合加权模型(Weighting Methods)和结果回归(Outcome Model)的Doubly Robust Estimators的基本原理,指出其明显优点是两个预估量只要有一个是一致的,ATE估计就是一致的。

最后,徐老师总结了本节讲座的主要内容,学员们就Goodman-Bacon分解法的应用,平行趋势检验以及最新异质性稳健估计量的命令等问题与徐老师展开积极的讨论与学习,课堂学习氛围非常浓厚,讲座至此圆满结束,非常感谢徐轶青老师为香樟学员带来的精彩分享!

(第六届“香樟青苗计划”暑期学校学员:中国社会科学院大学 王颖)

转自:“香樟经济学术圈”微信公众号

如有侵权,请联系本站删除!


  • 万维QQ投稿交流群    招募志愿者

    版权所有 Copyright@2009-2015豫ICP证合字09037080号

     纯自助论文投稿平台    E-mail:eshukan@163.com