You need to enable JavaScript to run this app. R语言同期干预RCT的DID分析中时间虚拟变量构建咨询
优惠活动
大模型
产品
解决方案
定价
更多

R语言同期干预RCT的DID分析中时间虚拟变量构建咨询

同时间干预RCT场景下的DID操作指南

核心变量构建规则

  • time虚拟变量的赋值:完全不需要按组别拆分赋值规则,全局统一以干预启动时点为分界:
    • 所有样本(无论处理组/对照组)在干预正式启动前采集的结局观测,统一赋值为0
    • 所有样本(无论处理组/对照组)在干预正式启动后采集的结局观测,统一赋值为1
      你之前对传统DID的认知存在偏差:传统DID的time变量本来就是全局统一的时间节点标记,不存在“对照组、处理组分处不同时间周期”的强制要求——所谓的传统DID差异只是部分准实验设计中,存在部分群体自始至终未接受干预的设置,和你当前两组同时间启动干预/对照的场景没有本质逻辑区别。
      举个具象例子:如果你的干预是2023年6月1日正式落地,那么不管是处理组还是对照组的样本,只要是6月1日之前测的结局,time就取0;6月1日之后测的结局,time就取1,完全不随组别变化。
  • treatment虚拟变量的赋值:和传统DID完全一致,不随时间变动:
    • 被随机分到处理组的所有样本,永久赋值为1
    • 被分到对照组的所有样本,永久赋值为0
  • 交互项构建:直接计算time * treatment即可,完全匹配你设定的模型形式outcome = time + treatment + time*treatment,不需要额外调整模型结构。其中交互项的回归系数,就是校正共同时间趋势、基线差异后的净干预效应。

本场景下的DID应用适配性说明

  • 不存在“只有非随机的准实验场景才能用DID”的规则:哪怕是严格的RCT,只要小样本下随机化没法保证两组基线结局完全平衡,用DID框架校正基线差异是非常合理的操作。
  • 你当前的两组干预时间完全重合的设计,反而是DID识别条件最容易满足的场景:既不存在异质性干预时点带来的估计偏误,也因为本身是随机分组,天然满足平行趋势的基本要求——time项捕捉的是两组共同经历的时间变化(比如自然结局波动、随访带来的共同效应),treatment项直接捕捉两组的基线结局差,二者被控制之后,交互项的估计值不会被基线差异、共同时间趋势混淆,比直接做两组前后差异的简单回归要稳健得多。

内容的提问来源于stack exchange,提问作者masters

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.31 05:24:03