双重差分法(DID)估计是较常用的因果推理方法之一。Stata的didregress和xtdidregress命令适用于重复横截面和面板数据的DID和三重差分(DDD)模型。DID和DDD模型控制未观测到的组和时间固定效应，一致地估计被**者的平均**效应( ATET )。
模型的关键假设可以通过estat trendplot、estat ptrends和estat granger命令来进行检验和图形化展示。
如果要估计不同时间和处理序列的ATETs，您可以使用Stata的新命令：hdidregress和xthdidregress。
• 用于ATET估计的DID和DDD模型:
– 重复横截面数据
– 面板数据
• Donald和Lang聚合方法
• Wild bootstrap P值和置信区间
• Bell和McCarey对偏差校正标准误差的自由度调整
• 均值结果和预处理平行趋势图形诊断
• Granger类型和预处理平行趋势检验
• 异构DID模型
• Bacon分解法评估处理效应异质性
拟合DID模型和ATET估计
我们想研究新的住院程序对患者满意度的影响，需要使用一些医院实施新程序之前和之后的每月患者数据。
. didregress (satis) (procedure),group(hospital) time(month)
手术满意度的ATET为0.85，分别考虑医院和每月固定效应。95% CI不包括0。
如果我们的数据是面板数据，可以使用xtset并输入：
. xtdidregress (satis) (procedure),group(hospital) time(month)
• 图形诊断
我们的DID模型假设，在实施新程序之前，对照组和实验组的满意度趋势是平行的。我们可以用estat trendplot对这一假设进行诊断。
• 预处理平行趋势检验
我们可以使用estat ptrends的正式统计检验来补充我们得出的图形诊断。
因此，预处理平行趋势的零假设并没有被拒绝。
• Granger因果性检验
我们的DID模型还可以假设**组和对照组在预期**时不会改变他们的行为。为了检验这一假设，我们可以使用estat granger来进行Granger因果检验。
预期**时没有行为改变的无效假设没有被拒绝。还可以使用estat grangerplot进行图形诊断。
• 计算相应的标准误差
有多个小组的情况是很常见的。在这些场景中，聚类稳健标准误差是不可靠的。对于这种情况，我们可以使用替代方法来计算标准误差。
我们可以通过添加vce(HC2)选项来使用经过HC2偏差调整的聚类稳健标准误差。
. didregress (satis) (procedure),group(hostpital) time(month) vce(hc2)
我们可以通过使用aggregate(dlang)选项来使用Donald和Lang聚合方法。
. didregress (satis) (procedure),group(hospital) time(month)aggregate(dlang)
野聚类自助法P值和置信区间功能也是可用的。与所有自举方法一样，我们需要设置一个种子以使结果可复制。
. didregress (satis) (procedure),group(hospital) time(month)wildbootstrap(rseed(123))
• DDD模型
要拟合DDD模型，只需向group()选项添加另一个变量，并定义新的处理过的观测值。
. didregress (satis) (new_treated),group(hospital another_group)time(month)
• **时间变化时的**异质性检验
如果个体在不同的时间**，每个**队列的ATET可能会改变。如果是，则DID估计结果不一致。
我们可以使用Bacon分解来检验didregress和xtdidregress的ATET异质性，输入
. estat bdecomp
我们可以通过输入下列命令，以图表的形式展示结果
. estat bdecomp, graph
异质性DID
当**效果随时间变化且在不同队列中时，使用异质性DID估计ATETs结果是不同的。这时可以使用Stata的新命令hdidreress和xthdidreress，它会通过重复的横断面数据和面板数据来估计每个队列和时间段的ATETs。
北京天演融智软件有限公司（科学软件网）是STATA软件在中国的授权经销商，为中国的软件用户提供优质的软件销售和培训服务。
北京天演融智软件有限公司专注于pscad,gams,spsspro,stata,matlab,mathematica,nvivo等