【Stata】 一周一北核 DDL远离我 —— 数据篇

数据基本功

数据结果是一篇实证论文的支撑条件，本文将详细梳理实证论文中必不可少的回归步骤，以实现提速增效，当然，前提是对逻辑、代码、数据已做好准备工作。

1 基准回归

• 描述性统计
• 皮尔森相关性分析（可选）

pwcorr_a Y X $control

• 基准回归

reghdfe Y X , a( stkcd year ) vce( cluster stkcd )

2 稳健性分析

• 工具变量⭐
• 更换变量定义
• 改变样本
• 增加宏观控制变量
• 剔除特殊事件影响
• 剔除直辖市（北京、天津、重庆、上海）
• 增加固定效应
• Oster检验
• PSM检验
• Heckman检验（需要增加外生变量）
• 平行趋势检验（基准为DID）
• 安慰剂检验（基准为DID）
• Bacon分解（多期DID）
• X滞后一期
• 改变模型

3 机制分析

后面的做不出来可以调整，基准和机制必须首先完成

中介❌

• 争议太多了，不要选

直接回归

• 中文期刊不考虑此方法，X→M用回归做，M→Y用论文证明

reghdfe M X $control , a( stkcd year ) vce( cluster stkcd )

分组

• 为和异质性区别，尽量不用全样本分组，考虑事前一年、期初，并在此基础上考虑分年份、行业

reghdfe Y X $control , a( stkcd year ) vce( cluster stkcd ) , if M == 1

系数差异检验

1、似无相关检验

• 下载第三方的ado文件并替换原文件，此命令支持xtreg固定效应和聚类标准误https://gitee.com/arlionn/suest_panel/

xtreg Y X $control i.year if M==1 ,fe
est store high
xtreg Y X $control i.year if M==0 ,fe
est store low
esttab high low , nogap mtitle(high_coll low_coll) star(* 0.1 ** 0.05 *** 0.01) s(r2 N)

suest high low , cluster(stkcd)
test [high_mean]X = [low_mean]X

//汇报系数差异P值，Prob > chi2的值小于0.1则表明两组存在显著差异

2、邹检验

• 本质上是交乘，分组变量与X、Controls、固定效应交乘

//M被omitted了不用管
reghdfe Y c.M##c.(X $control ) , a( stkcd#M year#M ) cluster(stkcd)
//关注c.M#c.X的结果，汇报系数差异P值，小于0.1则表明两组存在显著差异

3、费舍尔组合检验⭐

• 支持reghdfe和聚类，记得设置随机种子，reps代表抽样次数，一般用500或1000，次数越多越精准

bdiff, group( M ) model(reghdfe Y X $control ,a(stkcd year) cluster (stkcd)) reps(1000) bdec(4) pdec(4) bsample seed(123456)

交乘

• 先将M按中位数或其他方式分成0和1两组
• 离散变量前都要加 i. 前缀，连续变量则需加 c. 前缀，对于取值为0/1的虚拟变量可以省略前缀
• 仅看交乘项是否显著
• 1组系数=交乘项系数+X单独项系数，0组系数=X单独项系数，若X单独项不显著则认为系数是0
• 将两组系数与基准回归系数相比较，优先看哪组系数方向相同，若均相同则绝对值较大的一组影响更大

reghdfe Y c.X##c.M $controls , a( stkcd year ) vce( cluster stkcd )

4 异质性分析

在尝试常用变量后，用选题中特有的相关变量进行结果补充

注意：机制和异质性的方法不要混用，交乘与分组二选一

微观层面要求4个及以上

• 产权性质
• 融资约束
• 信息不对称
• 企业规模
• 企业年龄
• 分析师关注度
• 媒体关注度
• 内部控制
• 高管特征
• 政治关联
• 资本密集度、劳动密集度

宏观层面要求2个及以上

• 行业集中度
• 政府干预
• 政府补贴
• 市场化程度
• 中东西部
• 是否重污染行业
• 是否高科技行业
• 沿海城市（GDP发达城市）

5 经济后果

• TFP
• TBQ
• ROA
• ROE
• 经营困境
• 融资约束
• EVA
• 营业收入增长率
• 技术创新
• 股价崩盘

换Y

• Y’指前滞（F.）一期或多期的经济后果变量，当期不是最优选

reghdfe Y' X , a( stkcd year ) vce( cluster stkcd )

交乘

• 仅关注交乘项结果，直接判断显著性和正负方向，X和Y的其中之一需要01变量分组

reghdfe Y' c.X##c.Y , a( stkcd year ) vce( cluster stkcd )

差分

Kim, Y., Su, L. (Nancy), Wang, Z., and Wu, H. 2021. The Effect of Trade Secrets Law on Stock Price Synchronicity: Evidence from the Inevitable Disclosure Doctrine.The Accounting Review , 96(1), pp. 325–348.

• 样本量减少是正常的

//生成所有变量的差分项，包括X、Y和控制变量
//D.是t期与t-1期的差值
xtset stkcd year
gen DX = D.X
//一阶段回归并生成拟合值
reghdfe DY DX $Dcontrols , a( stkcd year ) vce( cluster stkcd )
predict R
//生成t+1期经济后果变量的差分并回归
gen DZ = F.D.Z
reghdfe DZ R $Dcontrols , a( stkcd year ) vce( cluster stkcd )

• 第二阶段回归结果表明，X对Y的影响，显著增加（减少）了Z

---

作话：梳理实证步骤，对基础知识查漏补缺，整理这个帖子的时候学到一些没做过的东西…