基于长格式填补面板数据的匹配以开展双重差分（DiD）分析

核心思路 #

PSM是基于个体基线特征的匹配，只需用每个ID的基线（t1）行计算倾向得分、完成匹配，之后保留匹配ID对应的所有时间点（t1/t2/t3）记录，就能用于DiD分析。针对mice生成的多重填补数据集，需对每个填补样本重复该流程。

具体步骤（R代码示例） #

假设你的多重填补数据集是imputed_data（mids对象），长格式包含列：ID, time（取值t1/t2/t3）, treat（处理组标识，t1时确定）, 基线协变量（如age, gender, baseline_score）, 结局变量（如outcome）。

1. 提取每个填补样本的个体基线信息（宽格式） #

从长格式填补数据中筛选t1行，得到个体层面的匹配数据集：

library(mice)
library(dplyr)
library(MatchThem)

# 从单个填补数据中提取基线行
extract_baseline <- function(data) {
  data %>%
    filter(time == "t1") # 替换为你的基线时间标识，比如1
    select(ID, treat, age, gender, baseline_score) # 保留ID、处理变量和所有基线协变量
}

# 对所有填补样本应用函数，转换为mids对象
imputed_baseline <- lapply(complete(imputed_data, "all"), extract_baseline)
imputed_baseline <- as.mids(imputed_baseline)

2. 用MatchThem完成个体层面PSM #

和宽格式处理逻辑一致，基于基线协变量匹配处理组与对照组：

# 执行1:1近邻匹配（可根据需求调整参数）
matched_baseline <- matchthem(
  treat ~ age + gender + baseline_score,
  data = imputed_baseline,
  approach = "nearest",
  ratio = 1,
  replace = FALSE
)

# 检查匹配平衡性（可选，在个体层面验证）
summary(matched_baseline, type = "balance")

3. 将匹配结果映射回长格式数据集 #

提取匹配后的ID列表，回到原长格式填补数据中筛选对应所有行：

# 从匹配后的基线数据中筛选长格式全量记录
get_matched_long <- function(long_data, matched_baseline_data) {
  matched_ids <- matched_baseline_data$ID
  long_data %>% filter(ID %in% matched_ids)
}

# 对每个填补样本执行映射
matched_long_list <- mapply(
  get_matched_long,
  long_data = complete(imputed_data, "all"),
  matched_baseline_data = complete(matched_baseline, "all"),
  SIMPLIFY = FALSE
)

# 转换为mids对象，方便后续分析
matched_long_imputed <- as.mids(matched_long_list)

4. 在匹配后的长格式数据上做DiD分析 #

用固定效应模型拟合DiD，合并多重填补的结果：

library(fixest)

# 定义DiD模型函数
fit_did <- function(data) {
  feols(outcome ~ treat * i(time, ref = "t1") | ID, data = data)
}

# 对所有匹配后的填补样本拟合模型
did_models <- lapply(complete(matched_long_imputed, "all"), fit_did)

# 合并多重填补结果
pooled_results <- pool(did_models)
summary(pooled_results)

关键注意事项 #

• 处理变量treat必须是基线时确定的固定变量，不能随时间变化，否则PSM逻辑不成立。
• 匹配平衡性检查需在个体层面的基线数据上完成，而非长格式数据。
• 多重填补的每个样本需独立完成匹配与DiD，最后用pool()合并结果，符合多重填补的统计推断要求。

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