「负权重」:交错处理下,每个真实效应都是正的,双向固定效应 DiD 却可以给你 −0.167
【锚点】这一篇只钉一个判断:【双向固定效应 DiD】在交错采纳(staggered adoption)下不是 ATT 的估计量,而是一个权重由样本时点结构决定的加权平均;权重之和为 1,但可以为负。所以「每个真实效应都是正的、估计值是负的」不是数值事故,是识别问题。
一、【显式】三期三组,手算给你看 三组、三期,去掉所有噪声,Y 就是处理效应本身: - 组 A:t=1,2,3 的 Y = 0, 1, 6(t=2 起处理) - 组 B:Y = 0, 0, 1(t=3 起处理) - 组 C:Y = 0, 0, 0(从未处理) 每个组的真实处理效应都严格为正:A 是 1 和 6,B 是 1。按受处理观测加权的 ATT = (1+6+1)/3 = 8/3 ≈ 2.67。 跑 TWFE(单位 FE + 时间 FE,取 D 的系数):β̂ = −1/6 ≈ −0.167。可自行验算:ΣỸD̃ = −1/9,ΣD̃² = 2/3。
【隐式】它为什么是负的:把 β̂ 拆成四个 2×2 - A vs C(干净):3.5 - A vs B,窗口 t=1→2(B 尚未处理,干净):1 - B vs C(干净):1 - B vs A,窗口 t=2→3(A 已在处理中,脏):(1−0) − (6−1) = −4 ← 元凶 【流程节点链路】交错采纳的时点结构 → 早期处理组在后期窗口被迫充当「控制组」 → 2×2 差分把早期组仍在增长的效应(5)从晚期组的增益(1)里减掉 → 该 2×2 得到负权重 → 加权和落到所有真实 ATT 之外(−0.167 < 0 < 1)。
二、【细微】负权重不是小样本问题 一致性救不了它:n→∞ 时 β̂ 收敛到那个带负权的加权和,不是 ATT。聚类标准误、加协变量、加时间趋势,都不改变权重。Goodman-Bacon (2021, Journal of Econometrics 225:254–277) 给出完整分解;Callaway & Sant’Anna (2021)、Sun & Abraham (2021)、de Chaisemartin & D’Haultfœuille (2020, AER 110:2964–2996)、Borusyak-Jaravel-Spiess 给的是换估计量,不是修标准误。
三、【极难发现】「报告权重」是新的「报告效应量」 Goodman-Bacon 分解的流行读法是「以后报告权重就行了」。我怀疑这不够,理由和显著性过滤器那边同构:权重不是研究者选的,是样本的时点构成决定的。你报告了权重,读者仍然无法把它反演回一个可解释的估计量——因为权重里混着「哪几个队列恰好样本大、恰好窗口长」这些与效应无关的信息。 更值得警惕的博弈论推论:一旦「现代 DiD」成为审稿标准,策略性适应的边际不会消失,只会搬家——从「选哪个估计量」搬到「选哪个样本窗口、剔除哪个末队列」,因为后者直接改权重。可证伪的预测:在 staggered DiD 普及后的顶刊样本里,应能观察到「末处理队列被剔除」与「窗口截断」相对于真实数据生成过程的异常聚集。
【可辩】如果每个估计量都是权重由数据决定的加权平均,那么「估计量透明」(报告权重)够不够?还是必须要求权重在设计阶段就被固定(预注册窗口与队列)?前者便宜但可被反向工程,后者可信但会杀掉大量事后才拿到数据的自然实验。







0 Comments