Borusyak DID Imputation是什么？
Borusyak DID imputation 问的是能否先用未处理样本估计未处理反事实，再把这个反事实插补到处理组。它把重点放在预测 Y(0)，再用处理组实际结果减去预测结果得到处理效应。
先用一句话理解
把 DID imputation 想成先学会“没有政策时会怎样”。只用还没处理的样本估计正常走势，再问处理组政策后实际结果比这个正常走势高了还是低了。
什么时候用
| 判断项 | 教科书式判断 |
|---|---|
| 适合用在 | 交错处理下希望透明构造 untreated potential outcome。 |
| 先不要用在 | 未处理样本太少，或 untreated outcome 模型无法合理预测处理组。 |
| 最关键的前提 | 未处理样本估计出的反事实模型能代表处理组未处理状态。 |
| 读表顺序 | 先看 untreated 模型和样本，再看插补 ATT 和事件时间路径。 |
| 论文表述边界 | 插补结果依赖 Y(0) 模型设定，不应写成无模型假设的事实。 |
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 DID | 一个回归直接估计处理系数。 | 交错处理可能有权重问题。 |
| DID imputation | 先估计 Y(0)，再插补处理组反事实。 | 估计对象更透明。 |
| CSDID | 按 cohort-time 估计 ATT(g,t)。 | 侧重对照组定义和聚合。 |
核心直觉和模型公式
插补未处理反事实
DID imputation 先估计未处理结果：
\[\widehat{Y}_{it}(0)=\hat{\mu}_i+\hat{\lambda}_t+\boldsymbol{\hat{\gamma}}'\mathbf{Z}_{it}\]
\[\widehat{ATT}_{it}=Y_{it}-\widehat{Y}_{it}(0)\]
处理效应来自处理组真实结果和插补未处理反事实之间的差。
公式里的符号怎么读
| 符号 | 含义 | 在本页怎么理解 |
|---|---|---|
| Y_it(0) | 未处理潜在结果 | 处理组若未被处理时的结果。 |
| mu_i | 个体固定效应 | 未处理结果模型中的单位差异。 |
| lambda_t | 时间固定效应 | 未处理世界里的共同时间冲击。 |
| ATT_it | 单元处理效应 | 实际结果减去插补反事实。 |
| event time | 相对处理时间 | 用于聚合动态效应。 |
专业使用口径
专业 DID imputation 要说明未处理模型是用哪些样本估计出来的。
| 口径 | 专业写法 |
|---|---|
| 训练样本 | 只用未处理或尚未处理样本估计 Y(0)。 |
| 反事实模型 | 说明是否包含个体 FE、时间 FE 和控制变量。 |
| 动态聚合 | 按 event time 或 cohort 聚合 ATT。 |
| 外推风险 | 处理组政策后如果远离未处理样本支持区，插补会更脆弱。 |
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. 标记未处理观测 | 区分 never-treated、not-yet-treated 和 already-treated。 | 已处理观测不能训练 Y(0)。 |
| 2. 估计 Y(0) 模型 | 用未处理样本估计固定效应和控制变量关系。 | 反事实模型要稳定。 |
| 3. 插补处理组反事实 | 预测处理组政策后若未处理的结果。 | 这是核心步骤。 |
| 4. 计算 ATT | 真实结果减去反事实结果。 | 差值才是处理效应。 |
| 5. 聚合和画图 | 按 cohort 或 event time 汇总。 | 动态路径比单一均值更透明。 |
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 |
|---|---|---|
| 先看未处理模型 | 训练样本和固定效应口径是否清楚。 | 不清楚时 ATT 难评估。 |
| 再看插补质量 | 反事实是否在合理范围内。 | 外推太远要谨慎。 |
| 然后看 ATT | 处理组实际结果相对 Y(0) 的差。 | 不要和 TWFE 系数混写。 |
| 最后看动态 | 事件时间路径是否支持处理前无效、处理后变化。 | 只报平均 ATT 不够。 |
初学者最容易错在哪里
| 误读 | 为什么错 |
|---|---|
| 用已处理样本训练 Y(0) | 错。会污染反事实。 |
| 不说明反事实模型 | 不够。插补依赖模型设定。 |
| 把插补 ATT 当无假设结果 | 错。它依赖 Y(0) 可预测。 |
| 忽略处理前动态 | 错。处理前假效应会暴露模型问题。 |
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 | did_imputation_results.csv |
| 角色要求 | 因变量、个体 ID、时间变量 |
| 依赖包 | did_imputation |
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_imputation $y firm_id year treat, horizons(0/3) pretrend(3)
export delimited using "$JOB_DIR/did_imputation_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 | did_imputation_results.csv | empirical-wizard 对应方法产物 |
| ATT / DID 系数 | -0.0338 | Borusyak 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 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。
检查清单
- 先确认 untreated potential outcome 可以用未处理样本合理预测。
- 检查处理前拟合和事件时间窗口，不能只读平均 ATT。
- Borusyak imputation 适合交错 DID，但仍要说明 cohort 和对照来源。