R语言did包多期DID：剔除无处理前后观测的面板成员

场景说明 #

我的数据为某街区房产租金价值的（部分）时间序列数据，其中“处理”指街区内出现银行网点关停事件，研究目标为估计该类关停事件对房产租金的影响，分析采用Callaway和Sant’Anna（2021）提出的多期双重差分（difference in difference, DID）方法，基于R语言的did包实现。
此前我参考数据框填充的相关方法，构建了适配did包分析要求的数据框，以下代码构造了包含4个房产示例样本的数据框df5，我额外添加了标识字段obs区分真实观测与填充值（该字段为did包非必需字段）：

library(tidyverse)

year <- c(2014, 2020, 2021)
price <- c(100, 110, 120)
df0 <- data.frame(cbind(id=1, year, price))

year <- c(2014, 2019, 2021)
price <- c(100, 110, 120)
df1 <- data.frame(cbind(id=1, year, price))

year <- c(2019, 2020, 2021)
price <- c(210, 220, 230)
df2 <- data.frame(cbind(id=2, year, price))

year <-c (2014, 2015, 2019)
price <-c (300, 310, 320)
df3 <- data.frame(cbind(id=3, year, price))

id <- c(rep(0,8), rep(1,8), rep(2,8), rep(3,8))
year <- c(rep(seq(2014,2021), 4))
price <- c(100, NA, NA, NA, NA, NA, 110, 120,
           100, NA, NA, NA, NA, 110, NA, 120,
           NA, NA, NA, NA, NA, 210, 220, 230,
           300, 310, NA, NA, NA, 320, NA, NA)
df4 <- data.frame(id, year, price, obs = !is.na(price))

df5 <- df4 %>% group_by( id ) %>% fill( price, .direction = "downup" )

df5$gyear <- c(rep(0,8), rep(2016,8), rep(2017,8), rep(2020,8))

筛选规则 #

当前需要对房产样本做筛选，仅保留符合要求的样本，不符合要求的样本予以剔除，保留规则如下：

• 属于从未接受处理的对照组
• 属于处理组，且同时满足两个条件：至少存在1条处理前的真实观测、至少存在1条处理时点及之后的真实观测

示例样本判定结果：

• id=0：从未接受处理（gyear == 0），予以保留
• id=1：处理时点为2016年（gyear == 2016），同时存在处理前、处理时点及之后的观测，予以保留
• id=2：处理时点为2017年（gyear == 2017），无处理前观测，需剔除
• id=3：处理时点为2020年（gyear == 2020），无处理时点及之后的观测，需剔除

筛选实现代码 #

直接按样本id分组判断保留条件即可，代码如下：

df5_filtered <- df5 %>%
  group_by(id) %>%
  filter(
    # 对照组样本直接保留
    gyear == 0 |
    # 处理组需同时存在至少1条处理前真实观测、至少1条处理当期及之后真实观测
    (sum(obs & year < gyear) >= 1 & sum(obs & year >= gyear) >= 1)
  ) %>%
  ungroup()

运行上述代码后，输出结果仅保留id=0和id=1的样本，完全匹配预期判定规则，可直接传入did包做后续多期DID估计。

参考文献 #

• Callaway, B. and Sant’Anna, P.H., 2021. Difference-in-differences with multiple time periods. Journal of Econometrics, 225(2), pp.200-230.

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