作者简介
张子尧
中南财经政法大学财政税务学院副教授，中国人民大学经济学博士（2022）。研究领域为公共经济学和产业经济学，主要关注资源配置效率、收入分配、财税政策和企业行为等问题。研究成果发表在《经济研究》《世界经济》《中国工业经济》等学术期刊。曾获得2022年第七届当代经济学博士创新项目、第七届谭崇台发展经济学奖学金等学术荣誉。
黄炜
北大博雅青年学者、北大国发院经济学副教授(长聘)，海外高层次青年人才计划入选者。先后任职于美国经济研究局、新加坡国立大学和美国埃默里大学。研究兴趣触及劳动经济学、健康经济学和公共经济学等领域。研究论文发表于 Nature, Review ofEconomics and Statistics,American Economic Journal: AppliedEconomics,Journal of Labor Economics, Journal of DevelopmentEconomics 以及《经济研究》《管理世界》《世界经济》等国际国内学术期刊。担任Economics of Transition and Institutional Change共同主编，China Economic Review、JournalofAsian Economics 副编和《经济学(季刊)》副主编，同时为《经济研究》以及AmericanEconomic Review, Quarterly Journal of Economics, Journal of PoliticaEconomy等国内外学术期刊匿名审稿人。
事件研究法的实现、问题和拓展
研究背景
事件研究法（Event Study）又称事件分析法，是一种用于研究特定事件或政策冲击对个体行为影响的实证研究方法。事件研究法在近年来的实证研究中占据着越来越重要的地位，Currie等（2020）统计了2010年后五本经济学国际权威期刊发表的论文中各类实证研究方法的使用情况，其中使用事件研究法的论文占比呈现出明显的增长趋势。在中文经济学权威期刊发表的论文中，使用事件研究法的实证研究类论文数量和占比同样开始快速增加，特别是从2017年起呈现爆发式增长。事件研究法受到越来越多的社会科学领域研究者们的广泛关注和应用。
事件研究法在近年来的流行在很大程度上要归功于其与双重差分法（Difference-in-Differences，DID）之间的紧密联系。使用事件研究法来检验事前平行趋势已经成为目前双重差分法的标准步骤之一。事实上，事件研究法的作用远不止于检验事前平行趋势。相比于双重差分法，事件研究法具有很多有吸引力的性质。第一，事件研究法则能以图形形式清晰地展示政策效应动态变化，这是事件研究法最吸引人的特征。第二，近年来理论计量的新进展表明，对于政策交错发生的情形，若处理效应在组群或时间维度上存在异质性，双重差分法的估计结果存在偏误。事件研究法能够很好地应对时间维度上的异质性处理效应，比双重差分法的适用情景更为广泛。
然而，目前国内的经济学实证研究中，大部分时候事件研究法仍然只是作为双重差分法的配套工具，处于一种辅助性的地位，没有完全发挥其本身的优势，不得不说是一种遗憾。这既可能是是因为研究者没有深入准确地理解事件研究法独有的优势，也可能是因为使用事件研究法的过程中有许多细节问题对研究者正确地使用事件研究法增添了障碍，例如如何检验事前平行趋势、如何选择基期、对非平衡面板数据是否需要做归并或截断处理等。很少有文献专门讨论这些细节问题的影响和应对策略。本文试图对事件研究法的实现方式、识别假设和实践中的常见问题做系统性分析总结，为社会科学各领域的研究者更好地发挥事件研究法在因果推断和政策评估方面的作用提供一些参考。
主要发现
1.事件研究法的估计系数实质。使用双向固定效应模型估计事件研究法，每个估计系数本质上是一系列基本双重差分估计量的加权平均。在满足平行趋势假设和无预期效应假设的前提下，第k期的估计系数既包括第k期的平均处理效应，也包括其他相对时期的处理效应。因此，处理效应必须满足一定的约束时，事件研究法的第k期估计系数才能够正确识别第k期的平均处理效应。
2.事件研究法的识别假设。现有理论计量研究表明，在政策交错实施时，组群和时间（或二者兼有）维度上的处理效应异质性会导致基于双向固定效应模型的双重差分法产生估计偏误。如果各组群的处理效应动态路径保持一致（同质性处理效应路径），事件研究法能够一致地估计各期平均处理效应，即事件研究法可以很好地应对时间维度上的处理效应异质性。
3.新估计方法和传统方法之间的互补性。若在组群和时间维度上同时存在异质性处理效应，基于双向固定效应模型的传统事件研究法估计结果存在偏误，需要使用新发展的异质性处理效应稳健估计量获得一致估计。但传统事件研究法并非没有任何价值。研究者可以通过对比传统方法和新方法的估计结果差异来判断是否存在异质性处理效应，进而寻找可能导致异质性处理效应的来源因素，评估其是否可能导致处理时点内生等问题，进一步加强对平行趋势假设成立的论证。
政策启示
关于使用事件研究法的具体操作细节，本文有以下几点建议：
1.基期选择。在满足识别假设的前提下，事件研究法的第k期估计系数代表的是第k期与基期的平均处理效应之差，因此应选择平均处理效应为0的处理前时期作为基期。本文建议研究者可首先选择较为靠前的相对时点作为基期，如果估计结果显示期没有出现显著变化，说明预期效应可能并不明显，此时可以将基期更换为期来更加清晰地展示处理发生前后的结果变量变化情况。如果期系数出现显著变化，可能预示着存在预期效应，此时应重点关注和处理预期效应。
2.事前平行趋势假设检验。如何判断事前平行趋势是否满足，至今仍然没有较为公认的标准和做法。一种做法是观察处理前每一期系数的显著性，但是事前平行趋势要求处理前每一期的估计系数都不显著，需要进行系数联合检验而不是关注单一系数的显著性。此外，单一估计系数的显著性和基期的选择有关，结论不稳健。因此，更理想的做法是对事前系数显著性进行联合检验。
3.归并和截断数据。从理论上讲，归并数据相当于对处理效应施加了一种额外的约束。当该约束不成立时，归并数据会导致估计偏误。在实践中应该避免对处理发生后时期进行归并；若事前平行趋势满足，可以对处理前时期做适当归并。截断数据的优势在于不需要像归并数据那样施加额外的同质性处理效应假设，但是，截断数据意味着非随机地删除掉了一部分样本，这可能会引起一定的样本选择问题；此外，截断数据会减少样本量，降低估计效率。在实践中需要对上述优缺点进行充分的考虑和权衡。
4.控制组群异质性时间趋势。实践中一种常见的做法是在回归模型中加入组间线性时间趋势项，以期望控制组间异质性时间趋势。然而本文结果表明，在处理效应存在动态性时，控制组间趋势的做法不仅不能控制组间趋势差异，反而可能会放大估计偏误。使用剔除事前趋势和插值法可以较好地控制可能存在的组间事前趋势差异，避免估计偏误。
数据公开
论文附件已在《数量经济技术经济研究》网站http://www.jqte.net/公开。如在科研工作中使用了作者提供的数据和程序等附件内容，请务必在研究成果上注明引文和下载附件出处。
原文刊发
《数量经济技术经济研究》2023年第9期
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！
