如何从R语言did包输出中提取精确p值与自由度？

在使用did包进行多期多组DiD分析时，默认summary()输出仅标识p值是否小于0.05，但可以通过提取结果对象的核心统计量自行计算精确p值，具体操作如下：

1. 提取核心统计量 #

aggte()生成的结果对象中，已经包含计算p值所需的关键数据：

• group_effects$att：各组的ATT估计值
• group_effects$se：对应估计值的标准误

2. 计算双侧精确p值 #

did包默认采用正态近似构建置信区间，因此可以基于正态分布计算双侧p值，公式为：
p值 = 2 * pnorm(-|统计量|)，其中统计量 = ATT估计值 / 标准误

代码示例（基于你的复现场景） #

library(did)
data("mpdta")

# 估计组水平ATT
out <- att_gt(
  yname = "lemp",
  gname = "first.treat",
  idname = "countyreal",
  tname = "year",
  xformla = ~ 1,
  data = mpdta,
  est_method = "reg"
)

group_effects <- aggte(out, type = "group")

# 提取统计量并计算p值
att_vals <- group_effects$att
se_vals <- group_effects$se
p_vals <- 2 * pnorm(-abs(att_vals / se_vals))

# 整理为可读表格
result_table <- data.frame(
  处理组 = group_effects$group,
  ATT估计值 = round(att_vals, 4),
  标准误 = round(se_vals, 4),
  精确p值 = round(p_vals, 4)
)

print(result_table)

关于自由度的说明 #

如果需要提取自由度：

• 当使用est_method="reg"时，att_gt()的输出out$models包含每个处理组对应的回归模型，可通过循环提取残差自由度：

  # 提取各组回归模型的残差自由度
  df_list <- lapply(out$models, function(m) m$df.residual)
  

• 不过did包默认使用正态近似推断，样本量较大时该近似结果足够可靠，无需额外用t分布调整。

内容的提问来源于stack exchange，提问作者user26896348