事件研究法：动态效应估计与系数图

本文结构

原理：事件研究法的模型设定
直觉：动态效应的经济学含义
代码：完整 Stata 实现与标准系数图

第一层：原理

事件研究模型

Y_{it} = \alpha_i + \lambda_t + \sum_{k=-K}^{L} \beta_k \cdot D_{i,t-k} + X_{it}'\gamma + \varepsilon_{it}

$D_{i,t-k}$ ：处理指示变量的 leads 和 lags
$\beta_k$ ：第 $k$ 期的动态处理效应
基准期（通常 $k = -1$ ）被省略， $\beta_{-1} = 0$

系数解读

$k < 0$ （leads/处理前）：应接近零（平行趋势）
$k = 0$ ：即时效应
$k > 0$ （lags/处理后）：滞后效应

第二层：直觉

事件研究法回答的问题是：处理效应是否随时间变化？

在政策评估中，这至关重要：

最低工资政策可能短期无影响但长期降低就业
环境规制可能立即提高成本但逐渐带来创新收益

系数图（coefficient plot）是呈现这一动态过程的标准可视化工具。

第三层：Stata 代码

// ═══════════════════════════════════════════════
// 事件研究法完整实现
// ═══════════════════════════════════════════════
 
clear all
set seed 98765
 
local N = 200
local T = 20
local treat_time = 10
 
set obs `=`N'*`T''
gen id = ceil(_n/`T')
bysort id: gen t = _n
gen treat = (id > `=`N'/2')
 
// 动态处理效应
gen tau = 0
replace tau = 0.5*(t - `treat_time' + 1) if treat & t >= `treat_time'
gen y = 2 + 0.1*t + tau + rnormal(0, 1)
 
// 事件时间
gen rel_time = t - `treat_time'
 
// 生成虚拟变量
tab rel_time if treat, gen(D)
// 省略基准期 rel_time = -1
 
reghdfe y D*, absorb(id t) cluster(id)
 
coefplot, vertical drop(_cons) ///
    yline(0) xline(9.5, lpattern(dash) lcolor(red)) ///
    title("事件研究：动态处理效应") ///
    xtitle("相对时期") ytitle("系数估计")

参考文献

Sun, L., & Abraham, S. (2021). Estimating Dynamic Treatment Effects in Event Studies with Heterogeneous Treatment Effects. Journal of Econometrics, 225(2), 175-199.
Borusyak, K., Jaravel, X., & Spiess, J. (2024). Revisiting Event-Study Designs. Review of Economic Studies.

事件研究法：动态效应估计与系数图

本文结构

第一层：原理

事件研究模型

系数解读

第二层：直觉

第三层：Stata 代码

参考文献

继续阅读

关联代码文件

学习路径