de Chaisemartin DID是什么？
de Chaisemartin-D'Haultfoeuille DID 关注 treatment switcher：处理状态发生变化的单位。它适合处理强度可能变化、非吸收处理或 TWFE 权重难以解释的场景。
先用一句话理解
把 DCDH 想成盯着真正切换处理状态的人。不是把所有单位都平均放进一个 TWFE，而是看那些从未处理变处理、或处理强度变化的单位，与合适对照相比发生了什么。
什么时候用
| 判断项 | 教科书式判断 |
|---|---|
| 适合用在 | 处理不是简单一次吸收，可能开启、关闭或强度变化。 |
| 先不要用在 | 处理状态几乎没有 switcher，或切换时间和对照构造不清楚。 |
| 最关键的前提 | switcher 的对照组要能代表其未切换时的变化。 |
| 读表顺序 | 先看 switcher 数量和权重，再看 DID_M 或动态效应。 |
| 论文表述边界 | 它回答 switcher 相关处理效应，不是普通 TWFE 平均系数。 |
把它和相近方法分清楚
| 容易混淆的对象 | 怎么区分 | 初学者记法 |
|---|---|---|
| TWFE | 一个回归吸收个体和时间固定效应。 | 复杂处理下权重可能难解释。 |
| CSDID | 按首次处理 cohort 估计 ATT(g,t)。 | 适合吸收式交错处理。 |
| DCDH | 聚焦处理状态变化的 switcher。 | 适合非吸收或强度变化。 |
核心直觉和模型公式
switcher DID
DCDH 类方法可以理解为对 switcher 的局部 DID 做聚合：
\[DID_M=\frac{1}{M}\sum_{m=1}^{M}\left[(Y_{m,post}-Y_{m,pre})-(Y_{c(m),post}-Y_{c(m),pre})\right]\]
m 表示 switcher，c(m) 表示为该 switcher 构造的合适对照。
公式里的符号怎么读
| 符号 | 含义 | 在本页怎么理解 |
|---|---|---|
| switcher | 处理状态变化单位 | 处理从 0 到 1、从 1 到 0 或强度变化的单位。 |
| c(m) | 匹配对照 | 用于代表 switcher 未切换时变化的对照。 |
| DID_M | 平均 switcher DID | 多个局部 DID 的聚合结果。 |
| M | switcher 数量 | 真正提供识别的切换事件数量。 |
专业使用口径
专业 DCDH 报告要把 switcher 和权重讲清楚。
| 口径 | 专业写法 |
|---|---|
| 处理类型 | 说明处理是否吸收式、可逆或强度变化。 |
| switcher 数量 | 报告有多少切换事件支撑估计。 |
| 对照构造 | 说明对照来自未切换、未处理或相似变化单位。 |
| 动态效应 | 如有多期效应，应展示处理前后路径。 |
一步一步做：从问题到结果的五步
| 步骤 | 这一页具体做什么 | 做到什么程度才算读懂 |
|---|---|---|
| 1. 判断处理过程 | 处理是否会切换或强度变化。 | 吸收式处理可考虑 CSDID。 |
| 2. 找 switcher | 识别处理状态发生变化的单位和时间。 | 没有 switcher 就没有估计来源。 |
| 3. 构造对照 | 为每个切换事件找合适对照。 | 对照不清楚会污染 DID。 |
| 4. 计算局部 DID | 比较 switcher 和对照的前后变化。 | 局部估计要可解释。 |
| 5. 聚合并披露权重 | 报告平均效应和权重结构。 | 权重集中要谨慎。 |
结果怎么读：先读口径，再读数字
本页案例读表时，先记住这个口径：本案例的 ATT / DID 系数是 -0.0338，p 值是 0.6629。
| 读表顺序 | 本页怎么读 | 不要这样读 |
|---|---|---|
| 先看 switcher | 多少单位真正提供识别。 | 样本大不代表 switcher 多。 |
| 再看对照 | 对照是否可解释。 | 坏对照会让结果偏。 |
| 然后看平均效应 | DID_M 的方向和量级。 | 不要和 TWFE 系数混写。 |
| 最后看动态和权重 | 是否由少数切换事件驱动。 | 权重集中要披露。 |
初学者最容易错在哪里
| 误读 | 为什么错 |
|---|---|
| 把它当普通 DID | 错。估计对象是 switcher 相关效应。 |
| 不报告 switcher 数量 | 不够。识别来源不透明。 |
| 处理过程其实吸收式还硬套 | 可能不必要。CSDID 或 SA 可能更清楚。 |
| 忽略权重结构 | 错。复杂 DID 的核心风险之一就是权重。 |
先看这个案例的结论
- 本案例的 ATT / DID 系数是 -0.0338，p 值是 0.6629。
- 2017 年政策前组间 gap 是 0.0824，2020 年政策后 gap 是 0.0425。
- 政策评估页必须把处理组定义、政策前差距和处理效应放在一起读，不能只截一行交互项。
变量要求和案例口径
| 字段 | 口径 |
|---|---|
| 数据 | CSMAR 风格 A 股企业创新面板 |
| 原始样本 | 196 家上市公司，2015-2020 年，约 1200 个公司-年观测；各方法有效样本以本页输出表 N 为准 |
| 因变量 | patent_count；回归页通常使用 ln(1 + patent_count) |
| 核心解释变量 | dfi_index，数字普惠金融指数；部分案例输出展示的是标准化后的 dfi_index |
| 控制变量 | roa、lev、size、growth、cashflow、tobinq、top1、dual、board、indep、soe、age |
| 输出文件 | dcdh_did_results.csv |
| 角色要求 | 因变量、核心解释变量 |
| 依赖包 | did_multiplegt |
实际代码
下面是本页案例里的最小 Stata 代码。它的作用是帮助你看清变量怎么进入模型、结果文件怎么生成，而不是要求你在网页里手动运行。
import delimited "$DATA_PATH", clear varnames(1) encoding(UTF-8)
gen ln_patent1 = ln(1 + patent_count)
egen firm_id = group(stkcd)
xtset firm_id year
global y ln_patent1
global count_y patent_count
global x dfi_index
global controls roa lev size growth cashflow tobinq top1 dual board indep soe age
gen post = year >= 2018
bysort firm_id: egen pre_dfi = mean(cond(year < 2018, dfi_index, .))
quietly summarize pre_dfi, detail
gen treat = pre_dfi >= r(p50)
gen did = treat * post
gen high_patent = patent_count > 2
gen running_dfi = dfi_index - 260
gen rdd_treat = running_dfi >= 0
did_multiplegt $y firm_id year treat, robust_dynamic dynamic(3) placebo(3)
export delimited using "$JOB_DIR/dcdh_did_results.csv", replace实际输出表
这张表是本方法页配套案例的输出结果，用来把前面的公式、变量口径和代码对应到实际数字。
| 指标 | 数值 | 解释 |
|---|---|---|
| 样本 | 1200 obs / 196 firms / 2015-2020 | 来自共用案例 CSV |
| 因变量 | ln(1 + patent_count) | 企业创新产出 |
| 核心解释变量 | dfi_index | 数字普惠金融指数 |
| 输出文件 | dcdh_did_results.csv | empirical-wizard 对应方法产物 |
| ATT / DID 系数 | -0.0338 | de Chaisemartin DID 在共用案例里的处理效应读数 |
| p 值 | 0.6629 | 用于判断处理效应是否稳定 |
| 2017 组间 gap | 0.0824 | 政策前一年 treated-control 差距 |
| 2020 组间 gap | 0.0425 | 政策后三年 treated-control 差距 |
案例图
这是一张由同一份案例数据生成的页面内诊断图。
论文里怎么写
本文进一步采用de Chaisemartin DID检验数字普惠金融变化对企业创新的影响。处理组、对照组和政策后变量均基于同一 firm-year 样本构造，结果报告在 dcdh_did_results.csv 中。若处理效应方向与基准回归一致，可作为政策评估维度的补充证据；若不一致，应优先解释识别假设和样本切分差异。
检查清单
- 先确认处理状态是否允许进入/退出，de Chaisemartin 方法对处理路径很敏感。
- 读结果时区分 switcher、stayer 和权重结构，不能只看平均 DID。
- 如果处理变化很少或组别太稀疏，要说明估计稳定性限制。