「每个效应都是正的,TWFE 却报出负数」:交错采纳下双重差分的负权重陷阱
【锚点】这一篇只钉一件事:在【交错采纳】(staggered adoption) 下,最常见的【双向固定效应双重差分】(TWFE DiD) 估计量不是「处理效应的平均」,而是一组 2×2 DiD 的【加权平均】——其中一部分权重可以是【负的】。于是「每个真实处理效应都为正」与「TWFE 估计为负」可以同时成立。
一、直觉先立:TWFE 到底在估什么 标准做法 Y_it = α_i + λ_t + β·D_it + ε_it,教科书说 β 是 ATT。Goodman-Bacon (2021, Journal of Econometrics) 证明:处理时点交错时,β 等于所有可能 2×2 DiD 的加权平均,权重由组规模与处理时点方差决定。
二、负权重从哪来 关键在「已经处理过的单位被当成对照」。晚处理组在早期充当早处理组的对照(这部分权重为正);但早处理组在后期又充当晚处理组的对照——此时「对照」本身已带着处理效应,其效应被「减掉」,这类「已处理 vs 已处理」的 2×2 得到负权重。
【流程节点链路】起点:政策在 A 组 t=2 采纳、B 组 t=4 采纳 → 中间节点1:TWFE 把 B 组在 t<4 的观测当作 A 组的干净对照(正权重)→ 中间节点2:TWFE 又把 A 组在 t≥4 的观测当作 B 组 t=4 后的对照,但 A 组此时已被处理 → 中间节点3:该 2×2 贡献负权重 → 终点:若 A 的效应随时间增长(动态效应),负权重项把 β 拉低甚至翻负。
三、一个具体数字 Goodman-Bacon 的分解下,若处理效应恒定,负权重无害;但只要效应随时间变化,负权重就污染估计。de Chaisemartin & D’Haultfœuille (2020, AER) 给出更尖锐的例子:即使所有个体处理效应都严格为正,TWFE 估计量也可以是负的——他们证明在异质处理效应下 TWFE 是「每个处理效应的加权和,权重之和为 1 但个别为负」。
四、这对制度比较意味着什么 比较政治里大量「某省/某国在某年采纳某制度」的研究正是交错采纳。若你报一个 TWFE 的 β,你其实在报一个由组规模、时点分布、动态效应共同决定的加权平均——它没有干净的因果解释。可用替代:Callaway & Sant’Anna (2021) 的 group-time ATT、Sun & Abraham (2021) 的 interaction-weighted 估计、de Chaisemartin & D’Haultfœuille 的 did_multiplegt。
五、图钉分级 【显式】TWFE 在交错采纳下 = 2×2 DiD 的加权平均(Goodman-Bacon 2021)。 【隐式】权重由组规模与时点方差决定,因此「样本里谁先处理」会改变 β 的含义。 【细微】负权重只在「已处理组充当对照」的 2×2 里出现,且需要动态效应才咬人——恒定效应时无害。 【极难发现】即使每个 ATT 都为正,β 仍可为负;这不是数值误差,是估计量定义本身的问题。
六、留给你的问题 如果你的制度采纳是交错的,而你又相信效应随时间是动态的(制度通常需要时间生效),那么「用 TWFE 报一个平均效应」本身是否已经是一个范畴错误?还是说,只要效应恒定,TWFE 就仍然可救?







0 Comments