43_Bacon分解-负权重的理解

Bacon 分解：负权重的理解

Goodman-Bacon (2021) 证明 TWFE 估计量是所有 2×2 DID 的加权平均。当处理效应异质时，某些比较会产生负权重，导致估计偏误。本文通过数据算例深入理解负权重的来源。

---

一、数据算例设定

实验设计

3 个个体（A、B、C），每个个体有三期数据（0、1、2）：

• $\alpha_i$：个体固定效应
• $\lambda_t$：时期固定效应
• $D_{it}$：处理状态虚拟变量

处理时间

个体	处理时间	角色
B、C	第 1 期	早处理组
A	第 2 期	晚处理组

两种情形

1. 同质处理效应（$\Delta_1$）：处理效应在所有个体和时期相同
2. 异质处理效应（$\Delta_2$）：处理效应因个体和时期而异

---

二、控制组的构造

以 A 为处理组

个体 A 在第 2 期接受处理，需要构造控制组：

• B 和 C 在第 1 期已接受处理
• B 和 C 在数据中出现次数相同
• 因此控制组 = $\frac{1}{2}B + \frac{1}{2}C$

2×2 DID 计算

$\text{DID}_A = (Y_{A,2} - Y_{A,1}) - \left[\frac{1}{2}(Y_{B,2} - Y_{B,0}) + \frac{1}{2}(Y_{C,2} - Y_{C,0})\right]$

---

三、负权重的来源

核心问题

当较早接受处理的个体（B、C）被用作控制组时：

• 如果处理效应随时间递增，B 和 C 在后期已经受到处理影响
• 控制组的"前后差"包含了处理效应
• 这导致 DID 估计量低估真实效应

异质效应下的偏差

比较类型	权重符号	问题
A vs. B/C（A 为处理组）	正	标准 DID
B/C vs. A（B/C 为处理组，A 后期为控制组）	负	A 后期已受处理，控制组被"污染"

直观理解

当 TWFE 将"晚处理 vs. 早处理"的比较混入估计时：

• 早处理组的结果在后期已经包含了处理效应
• 这相当于用一个"已被处理"的组作为控制组
• 权重为负意味着这种比较抵消了其他比较的贡献

---

四、结论

核心洞察

1. 负权重源于异质性处理效应：如果处理效应恒定，所有 2×2 DID 估计相同，负权重不造成偏误
2. 负权重导致符号错误：在极端情况下，负权重的偏误可能超过真实效应
3. 早处理组作为控制组是问题根源：他们后期结果已被处理"污染"

应对策略

• 使用 CS/SA/BJS 等新估计量，避免"坏控制组"
• 仅保留"处理 vs. 从未处理"的比较
• 用 Bacon 分解诊断负权重的严重程度

---

核心要点

1. 负权重出现在早处理组后期被用作控制组的比较中
2. 当处理效应异质时，负权重导致 TWFE 估计偏误
3. 数据算例直观展示了负权重如何抵消真实效应
4. Bacon 分解是识别和量化负权重的标准工具