你的方法在理论上是正确的,并且在实践中也是合理的。多期DID(Difference-in-Differences)模型通过比较受政策影响组和未受影响组随时间的变化差异来识别因果效应。当你加入行业(ind)和年份(year)的固定效应时,你实际上就是在控制这两个维度上的任何时间不变或行业特有的因素。
公式:
\[ y = \beta_0 + \beta_1 treat*post + \mathbf{controls} + \alpha_{ind} + \gamma_{year} + \epsilon \]
这里的\(\beta_1\)是你的关键系数,它表示在控制了所有其他变量(包括行业和时间固定效应)后,处理组与对照组在政策实施后的差异。这种设定允许你检验政策的净影响,同时剔除了由于行业特征或经济周期性波动可能带来的偏差。
至于是否加入个体层面的固定效应,则取决于你的研究设计和数据结构:
- 如果你有每个观测单位(比如公司)的时间序列数据,并且想控制这些单位之间任何时间不变但个体特有的因素,那么你应该考虑加入个体固定效应。
- 在没有个体层面数据的情况下,行业和年份固定效应可以捕获大部分组间和时间上的变异性。
总的来说,你的做法是合理的。只要确保在解释结果时考虑到模型中所包含的控制变量和假设。
此文本由CAIE学术大模型生成,添加下方二维码,优先体验功能试用