基于Python+pandas的面板数据双重差分（DID）回归实现咨询

你的数据属于典型的多期DID适用场景：不同企业在不同年份进入处理状态（WFR=1），没有统一的政策实施时点，具体落地步骤如下：

1. 前置数据校验 #

• 确认面板结构的唯一性：同一企业同一年度只能有一条观测，可通过df.duplicated(['NAME','YEAR']).sum()校验，存在重复值要先做去重或聚合处理
• 核查处理状态逻辑：若存在企业处理状态从1变回0的情况（比如示例中企业B 2009/2011年WFR=1，2017年后变为0），要先确认是否符合业务真实规则，若为统计错误需提前修正
• 连续变量异常值处理：对LCR、MR、RA三类连续指标做1%和99%分位的缩尾处理，避免极端值干扰回归结果

2. 基准回归实现 #

多期DID不需要额外生成处理组×时间的交互项，你现有的WFR字段本身就是个体-时间维度的处理状态标识，直接作为核心解释变量即可。Python环境下可使用linearmodels库实现双向固定效应回归，代码如下：

import pandas as pd
from linearmodels import PanelOLS

# 将数据集转为面板格式，索引依次设为个体（企业）、时间（年份）
df_panel = df.set_index(['NAME', 'YEAR'])

# 构建回归模型：控制个体固定效应、时间固定效应，加入MR、RA两个控制变量
# 标准误聚类到企业层面，允许同一企业不同年度的扰动项存在自相关
model = PanelOLS.from_formula(
    formula='LCR ~ 1 + WFR + MR + RA + EntityEffects + TimeEffects',
    data=df_panel
)
res = model.fit(cov_type='clustered', cluster_entity=True)
print(res)

回归结果中WFR的系数就是WFR对LCR的净影响效应，若系数通过显著性检验即可证明二者存在因果关联。

3. 稳健性检验（必做步骤，保证结论可靠性） #

• 平行趋势检验：生成处理时点前后的时间虚拟变量，和处理组标识做交互后放入回归，若政策实施前的交互项系数均不显著，即满足DID的平行趋势假设
• 安慰剂检验：随机给企业分配处理状态和处理时点，重复模拟回归1000次以上，若真实回归的WFR系数落在随机模拟系数分布的5%分位外，即可排除结论的偶然性
• 标准误稳健性检验：更换聚类维度，比如同时聚类到企业和年份，或仅聚类到年份，确认WFR系数的显著性没有发生本质变化
• 子样本回归：剔除特殊行业、特殊年份的样本后重新回归，确认结论依然成立

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