home / methods / did-imputation

Method 65 · did_imputation

Borusyak DID Imputation

把处理组、对照组和政策时点落到代码里

Borusyak DID Imputation 的 Markdown 风格教程：基于共用 CSMAR 风格案例生成实际代码、结果表和案例图。

返回方法库 · 共用案例 · 变量百科

一、Borusyak DID Imputation是什么？

这页是 Borusyak DID Imputation 的方法文档。所有表格和图都由 marketing/method_case_assets/generate_assets.py 从同一份 csmar_innovation_realistic.csv 生成，避免用占位图充当教程。重点是把 treat、post、event time 等变量构造写清楚，再解释处理效应表。

二、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。

三、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；部分真实烟测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did_imputation_results.csv
角色要求dv、id、time
依赖包did_imputation

四、实际代码

下面是本页对应的最小可复现 Stata 代码。生产环境里 empirical-wizard 会在此基础上处理变量映射、输出校验、失败诊断和报告装配。

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_imputation $y firm_id year treat, horizons(0/3) pretrend(3)
export delimited using "$JOB_DIR/did_imputation_results.csv", replace

五、实际输出表

这张表就是本方法页使用的案例输出文件，保存在 marketing/method_case_assets/did_imputation/result.csv。

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did_imputation_results.csvempirical-wizard 对应方法产物
ATT / DID 系数-0.0338Borusyak DID Imputation 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 gap0.0824政策前一年 treated-control 差距
2020 组间 gap0.0425政策后三年 treated-control 差距

六、案例图

这是一张由同一份案例数据生成的页面内诊断图。

Borusyak DID Imputation 的共用案例输出图。
Borusyak DID Imputation 的共用案例输出图。

七、论文里怎么写

本文进一步采用Borusyak DID Imputation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 did_imputation_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。

八、检查清单

  • 确认本页使用的因变量、核心解释变量、控制变量与论文主模型一致。
  • 先看表格里的样本口径，再看系数、p 值或诊断指标。
  • 代码里的输出文件名要能对应网页展示的结果表。
  • 检查 treat/post/event-time 的构造是否符合研究设计。
  • 不要把处理效应写成自动因果，平行趋势或识别假设必须单独交代。

返回方法库 · 打开 empirical-wizard