如何用置换检验在DID双重差分中做安慰剂检验, 给出文献, 示例和操作代码！

凡是搞计量经济的，都关注这个号了

稿件：[e-mail]

所有计量经济圈方法论丛的code程序, 宏微观数据库和各种软件都放在社群里.欢迎到计量经济圈社群交流访问.

继①134篇各种方法的code, 代码和程序文章合集, 必须收藏！，②今年最诚意的主流计量方法与Stata操作的视频教程, 一定要收藏学习！，③《经济研究》期刊上所有文章按照"计量方法"进行分类汇总，有选择性地学习计量方法，④120篇DID双重差分方法的文章合集, 包括代码,程序及解读, 建议收藏！上一日，我们就DID双重差分方法使用过程中如何开展安慰剂检验，分享了“DID双重差分中安慰剂检验思路及绘图的操作代码分享！”。里面的操作代码都没有问题，但有一个缺点，就是不断生成新数据再进行合并需要耗费很多时间，而且相对较多的代码容易造成各种问题（虽然是重复语句）。鉴于此，我们想起了前面推荐过的permutation test（置换检验），用它开展安慰剂检验具有代码少、操作方便的优势（详见：1.置换检验政策的随机性, 政策评估越来越风行的利斧，2.截面DID, 各种固定效应, 安慰剂检验, 置换检验, 其他外部冲击的处理）。

当时还通过操作代码演示说明了置换检验的具体操作过程，详见“置换检验政策的随机性, 政策评估越来越风行的利斧”

a.最开始回归结果

b.置换检验的结果

从a和b的结果以及1000次置换估计的核密度分布图可以看出，这个结果是可信的。

---

置换检验用于DID方法中做安慰剂检验的具体文章“截面DID, 各种固定效应, 安慰剂检验, 置换检验, 其他外部冲击的处理”。我们截取了作者这部分检验内容，置换检验的原假设，是农村儿童义务教育改革对童工发生率没有影响，后面的置换检验拒绝了这一原假设。关于置换检验，参看：置换检验政策的随机性, 政策评估越来越风行的利斧。

今天，我们用置换检验获得“DID双重差分中安慰剂检验思路及绘图的操作代码分享！”里的结果。其中，需要用到的具体代码如下（各位学者可以自行复制以下代码进行操作，群友可以自行到社群下载代码）：

use benchmark,clear

**生成要使用的指标

gen ly=log(gdp_percapita)

gen t=year-1994

gen treatment_trend=treatment*t

**置换检验

permute post_pmc coefficient = _b[post_pmc], reps(500)  seed(123) saving("simulations1.dta"): reg ly post_pmc treatment_trend cpe i.year##county_city i.year##poor_county i.year##food_county i.year##provboundary_county i.year##c.slope i.year##c.altitude i.year##c.urban_rate00 i.year##c.fiscal_gap99 i.year,absorb(county) cluster(county)

**绘图

use "simulations1.dta", clear

dpplot coefficient,xline(-0.039) xtitle("PMC effect estimate") saving("PDF_PMC_dpplot.gph", replace)

---

下面这些短链接文章属于合集，可以收藏起来阅读，不然以后都找不到了。

2.5年，计量经济圈近1000篇不重类计量文章，

可直接在公众号菜单栏搜索任何计量相关问题,

Econometrics Circle

数据系列：空间矩阵 | 工企数据 | PM2.5 | 市场化指数 | CO2数据 |  夜间灯光 | 官员方言  | 微观数据 | 内部数据计量系列：匹配方法 | 内生性 | 工具变量 | DID | 面板数据 | 常用TOOL | 中介调节 | 时间序列 | RDD断点 | 合成控制 | 200篇合辑 | 因果识别 | 社会网络 | 空间DID数据处理：Stata | R | Python | 缺失值 | CHIP/ CHNS/CHARLS/CFPS/CGSS等 |干货系列：能源环境 | 效率研究 | 空间计量 | 国际经贸 | 计量软件 | 商科研究 | 机器学习 | SSCI | CSSCI | SSCI查询 | 名家经验计量经济圈组织了一个计量社群，有如下特征：热情互助最多、前沿趋势最多、社科资料最多、社科数据最多、科研牛人最多、海外名校最多。因此，建议积极进取和有强烈研习激情的中青年学者到社群交流探讨，始终坚信优秀是通过感染优秀而互相成就彼此的。