尊敬的老师您好:
想咨询关于双重差分以及三重差分中聚类标准误和固定效应的问题。问题描述如下:
数据样本为微观企业层级面板数据(id),政策冲击发生在省份层面(省份代码以province指代)。
疑问一:请问该种情况下做双重及三重差分回归,标准误应该聚类到id还是province比较合理呢?即如下的(1)和(2)该如何选择呢。
如果(1)比较合理请忽略此问。如果(2)比较合理,由于数量级减少很多,是否还需要进行bootstrap?如下设定:
是否也可以接受呢?
疑问二:在三重差分中(时间-省份-行业),样本同样为微观企业面板数据,省份层面宏观政策冲击。两两固定效应如何设定比较合理呢,标准误应该到聚类到什么层级呢?
设定是否合理呢?
回答一:标准误聚类到某个层级,背后的假设是:1、该层级某个组内部个体之间是相互关联的;2、该层级不同组的个体之间是无关的。如果数据是企业层面的面板数据,标准误聚类到企业层面是最基本的要求,因为对于同一企业来说,它在不同年份之间的观测值必定是有关联的;同时,聚类到企业层面也假设不同企业之间是无关联的。聚类层级越高,则对个体间关联的假设越一般化,越符合现实,但对模型的考验也就越强。例如,聚类到省层面,相当于假设省内所有观测值之间都是相互关联的,只有不同省份的观测值之间才无关联——这比只在企业层级聚类要更一般化。如果聚类到省份-年份层面(province*year),则假设在同一个省且同一年的观测值之间才相互关联,而不同省或者不同年的观测值之间均无关联——在一般性上不如聚类到省份层面。
回答二:在三重差分中,需要控制三个维度变量自己以及三个维度变量的两两交互项。至于聚类到哪个层级,还是跟上面的回答类似:看你怎么假设个体间的关联结构。可以在省份层面聚类,这样即假设省内样本相关联,但省份之间无关联;也可以在行业层面聚类,即假设同一行业内部样本相关联,但不同行业间样本无关联。
联系客服