事件研究中多事件估计方程的规范写法咨询

关键问题逐一拆解 #

1. 结果变量的下标 #

必须同时加i（公司）和t（日期）下标，写成y_{i,t}。你的数据是多公司的日度股价/收益率，每个观测都是「某公司在某一天」的数值，缺了任何一个下标都没法明确对应到具体观测，回归逻辑也站不住脚。

2. 事件窗口的下标要不要用(t-5)这类形式？ #

要！而且必须用相对日期下标（比如把事件日设为t=0，窗口覆盖t=-5到t=+5）。你要的是事件窗口内每一天的单独估计结果，如果只用一个统一的D（窗口内全取1），只能算出整个窗口的平均效应，没法拆分每天的差异。用k=-5到k=+5的相对下标，才能给每一天单独设虚拟变量，估计出每日的效应系数。

3. 正确的回归方程写法 #

要满足“每日估计”的要求，得给事件窗口的每一天单独设置虚拟变量，方程示例如下：

y_{i,t} = \alpha + \beta_{-5}D_{i,t,-5} + \beta_{-4}D_{i,t,-4} + ... + \beta_{+5}D_{i,t,+5} + \gamma X_{i,t} + \epsilon_{i,t}

或者用求和式简化：

y_{i,t} = \alpha + \sum_{k=-5}^{+5} \beta_k D_{i,t,k} + \gamma X_{i,t} + \epsilon_{i,t}

其中：

• D_{i,t,k}：当公司i的日期t正好是事件的第k天（比如k=-5是事件前5天，k=0是事件当天）时取1，否则取0
• \beta_k：就是你要的第k天的事件效应，每个k对应一个独立系数，完美实现“每日估计”的需求
• X_{i,t}：可选的控制变量（比如市场收益率、公司规模等）
• \epsilon_{i,t}：随机误差项

避坑提醒 #

• 别用单一的D变量：这种写法只能得到事件窗口的平均效应，没法拆分每日结果，完全不符合你的需求。
• 别漏下标：只写y_t或y_i会丢失面板数据的个体/时间维度，回归结果的解释性会严重受损。

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