“学术明星”——双重差分法（DID）的Stata操作
本文作者：李 虎，中南财经政法大学统计与数学学院
本文编辑：王 彤
技术总编：戴 雯
Stata&Python云端课程来啦！
寒雪梅中尽，春风柳上归。为了感谢大家长久以来的支持和信任，爬虫俱乐部为大家送福利啦！！！Stata&python特惠课程双双上线腾讯课堂～原价2400元的Python编程培训课程，现在仅需100元，详情请查看推文《Python云端课程福利大放送！0基础也能学~》；原价600元的正则表达式课程，现在仅需49.9元，详情请查看推文《与春天有个约会，爬虫俱乐部重磅推出正则表达式网络课程！》；另外，原价600元的基本字符串函数课程，现在仅需49.9元，更多信息请查看推文《与春天有个约会，爬虫俱乐部重磅推出基本字符串函数网络课程》。变的是价格，不变的是课程质量和答疑服务。对报名有任何疑问欢迎在公众号后台和腾讯课堂留言哦！treat 和时间维度的政策分期变量 period 都是二值虚拟变量。这种设定有它的好处，交互项treat×period的系数反映的就是经过政策实施前后、处理组和控制组两次差分后所得到的政策效应。我们使用的数据是Nathan Nunn和Nancy Qian（2011）发表在QJE上面的论文《The potato's contribution to population and urbanization: evidence from a historical experiment》的数据。
Replication Data for: Nathan Nunn, Nancy Qian. The potato's contribution to population and urbanization: evidence from a historical experiment[J]. The Quarterly Journal of Economics, 2011, 126(2):593-650.
这篇文章使用的并不是传统的DID识别策略，而是连续DID的识别策略。通过比较在旧大陆土豆种植之前和之后，更适合土豆种植的旧大陆地区和不太适合土豆种植的地区之间的人口和城市化水平（所谓双重差分），我们即可识别出土豆在旧大陆人口增长和城市化进程中的历史作用。
post和不同国家适合种植土豆的土地总面积的自然对数ln_wpot的交互项ln_wpot_post，相关数据集大家可以通过在公众号后台回复 ”DID“获取~use country_level_panel_for_web.dta,clear
gen ln_wpot_post = ln_wpot*post //生成交互项
post、不同国家适合种植土豆的土地总面积的自然对数ln_wpot和二者交互项ln_wpot_post进行回归。交互项ln_wpot_post的系数反映的就是土豆的传入对旧大陆人口增长的影响。reg命令、xtreg命令和reghdfe命令。其中，reg命令是最一般的回归命令，对数据格式没有要求，常用于截面数据和混合截面数据的DID模型回归。reg ln_population ln_wpot_post ln_wpot post,cluster(isocode)
xtreg命令。xtreg对数据格式有严格要求，要求必须是面板数据，在使用xtreg命令之前，我们首先需要使用xtset命令进行面板数据声明，定义截面（个体）维度和时间维度。encode isocode,gen(code) //字符型变量转为数值型变量
xtset code year //面板数据声明
xtreg ln_population ln_wpot_post i.year,fe cluster(isocode)
有些时候，我们可能会在DID模型中引入高维固定效应（2维以上），这个时候reghdfe命令会是更好的选择。reghdfe命令可以包含多维固定效应，只需 absorb (var1,var2,var3,...)，不需要使用i.var的方式引入虚拟变量，相比xtreg命令方便许多，并且不会汇报一大长串虚拟变量回归结果。reghdfe是一个外部命令，所以大家在使用之前需要安装（ssc install reghdfe）。可以发现，reghdfe命令和xtreg命令对系数的估计结果是一样的。
reghdfe ln_population ln_wpot_post,absorb(isocode year) cluster(isocode)
对我们的推文累计打赏超过1000元，我们即可给您开具发票，发票类别为“咨询费”。用心做事，不负您的支持！
【爬虫实战】南京地铁又上热榜——客流量分析
Stata中字符串的处理
我在哪里？调用高德API获取地址经纬度信息
超级简单的条件函数，轻松生成虚拟变量
Python云端课程福利大放送！0基础也能学~
【爬虫实战】“我们，继续新故事”——爬取LOL英雄皮肤
“人像动漫化”—Python实现抖音特效
《唐探3》做错了什么？|来自150万字影评的证据
爬虫俱乐部年度总结|《请回答2020》
模糊匹配我只用这一招！
利用tushare获取财务数据
爬虫实战|Selenium爬取微信公众号标题与链接
强大的正则表达式
自动群发邮件（二）——附带附件
自动群发邮件--email和smtplib基本模块的使用
计算工作日的小能手——workdays
Seminar | 企业错报与银行贷款合同
关于我们
微信公众号“Stata and Python数据分析”分享实用的Stata、Python等软件的数据处理知识，欢迎转载、打赏。我们是由李春涛教授领导下的研究生及本科生组成的大数据处理和分析团队。
此外，欢迎大家踊跃投稿，介绍一些关于Stata和Python的数据处理和分析技巧。
投稿邮箱：statatraining@163.com投稿要求：
1）必须原创，禁止抄袭；
2）必须准确，详细，有例子，有截图；
注意事项：
1）所有投稿都会经过本公众号运营团队成员的审核，审核通过才可录用，一经录用，会在该推文里为作者署名，并有赏金分成。
2）邮件请注明投稿，邮件名称为“投稿+推文名称”。
3）应广大读者要求，现开通有偿问答服务，如果大家遇到有关数据处理、分析等问题，可以在公众号中提出，只需支付少量赏金，我们会在后期的推文里给予解答。