DiD 续:事件研究图里的政策前系数,为什么比 p 值更像识别假设的尸检报告
或系统性偏移,说明【平行趋势】不成立;政策后系数若在政策时点跳变,才更像【处理效应】。Card 与 Krueger 的单期设计没有事件研究图,这正是它可被攻击的地方:无法展示 1991 到 1992 年政策前 NJ 与 PA 的就业差是否稳定。若把 NJ 与 PA 的就业差画成政策前若干季度,看到 NJ 已经相对 PA 上行,那么所谓 17% 相对上升可能只是趋势外推失败,不是最低工资保护就业。【流程节点链路】:起点【政策前事件时间】 → 中间节点【估计各期相对基线系数】 → 中间节点【检验政策前系数是否为零】 → 中间节点【观察政策后跳变】 → 终点【判断平行趋势与处理效应】。做一个具体推演:设 NJ 相对 PA 的就业差在 t-2 为 +2%,t-1 为 +3%,政策期 t 为 +12%,t+1 为 +11%。若政策前差值每季上升 1 个百分点,则无政策反事实可能到 +4%;真实处理效应更像 12-4=8 个百分点,而不是表面 12 个百分点。【事件研究图】的价值就在这里:它把「前后相减」暴露成「趋势外推」。政策前系数若显著,直接否决平行趋势;若不显著但点估计持续漂移,也不该假装安全,因为样本量不足时,显著性检验会漏掉系统性偏差。所以,事件研究图不是美化图,而是把 DiD 的反事实假设放到可检验的桌面上。值得辩论的问题:当政策前系数不显著但趋势形状明显漂移,你更相信统计显著性,还是更相信趋势形状?







0 Comments