为何aggte()输出的置信区间与tidy()提取的结果不一致？

我使用did包基于条件平行趋势假设进行估计，仅设置1个处理组（搭配7个从未接受处理的控制组），即单一处理时点。用type="simple"的aggte()函数计算ATT时，R直接显示的MP对象置信区间，和用tidy()提取的估计值、标准误及置信区间结果不一致。尝试type="group"参数后，差异依然存在。

相关代码：

library(did)
data(mpdta)
mw.attgt.X <- att_gt(yname = "lemp",
gname = "first.treat",
idname = "countyreal",
tname = "year",
xformla = ~lpop,
data = mpdta,
)

mw.attgt.X

aggte(mw.attgt.X, type = "simple")
tidy(aggte(mw.attgt.X, type = "simple"))


aggte(mw.attgt.X, type = "group")
tidy(aggte(mw.attgt.X, type = "group"))

核心原因 #

aggte()直接打印的置信区间是基于个体聚类标准误计算的（att_gt()默认按idname指定的countyreal做聚类调整），但broom包的tidy()函数处理MP类对象时，默认使用未做聚类调整的普通标准误，两者计算逻辑不同，导致置信区间出现差异。

解决方法 #

方法1：直接从MP对象提取聚类调整后的结果 #

aggte()返回的对象已包含正确的聚类调整后统计量，可直接访问：

# 保存aggte结果
simple_agg <- aggte(mw.attgt.X, type = "simple")
# 提取估计值、标准误及95%置信区间
result_df <- data.frame(
  estimate = simple_agg$overall.att,
  std.error = simple_agg$se.overall.att,
  conf.low = simple_agg$overall.att - 1.96 * simple_agg$se.overall.att,
  conf.high = simple_agg$overall.att + 1.96 * simple_agg$se.overall.att
)
print(result_df)

方法2：通过summary()转换为tidy格式 #

利用did包的summary()函数先生成带聚类标准误的汇总结果，再用tidy()转换，输出结果会和aggte()直接打印的一致：

# 生成summary对象
simple_summary <- summary(aggte(mw.attgt.X, type = "simple"))
# 转换为tidy格式
tidy(simple_summary)

验证差异根源 #

对比两种方式的标准误，可明确差异来源：

# aggte直接输出的聚类标准误
aggte(mw.attgt.X, type = "simple")$se.overall.att
# tidy默认输出的未调整标准误
tidy(aggte(mw.attgt.X, type = "simple"))$std.error

内容的提问来源于stack exchange，提问作者tiny