Stata双重差分回归中遗漏处理因素变量的技术问询

我来帮你搞定这个问题——其实你遇到的不是bug，是固定效应（FE）模型的固有特性，咱们一步步理清楚：

为什么i.treated会被遗漏？ #

你用的是xtreg ... fe，也就是区县固定效应模型。而i.treated是一个不随时间变化的变量（每个区县要么全程是处理组，要么全程是控制组），固定效应的本质就是吸收所有不随时间变化的个体层面特征，所以Stata会自动把这类变量从回归中排除，避免多重共线性。

解决方案分两种情况 #

1. 核心目标是估计DID处理效应（最常见） #

在标准DID设计里，我们真正关心的是交互项i.treated#i.after_1980——这个系数才是处理组在政策实施后的平均处理效应，它不会被固定效应吸收，你的回归结果里应该能正常看到这个交互项的估计值。

这种情况下，i.treated的主效应被遗漏完全不影响核心结论，不用额外操作，继续关注交互项就好。

2. 确实需要估计i.treated的主效应 #

如果你的研究必须得到处理组主效应的估计值，有两个可选方案：

• 改用混合回归：去掉fe选项，但这会放弃控制区县固定效应，可能引入遗漏变量偏误，仅当你能确认没有未观测的区县层面固定混淆因素时才用：

  reg ln_murder_rate i.treated##i.after_1980 i.year ln_deprivation ln_foreign_born young_population manufacturing low_skill_sector unemployment ln_median_income [weight = mean_population], cluster(fips) robust
  

• 改用随机效应模型：用re替代fe，但随机效应要求个体固定效应和所有自变量无关，这个假设在DID场景中经常不成立，使用前一定要通过Hausman检验验证：

  xtreg ln_murder_rate i.treated##i.after_1980 i.year ln_deprivation ln_foreign_born young_population manufacturing low_skill_sector unemployment ln_median_income [weight = mean_population], re cluster(fips) robust
  

额外提醒 #

你的回归已经加了i.year（年份固定效应）和fe（区县固定效应），这是标准的双向固定效应DID设定，交互项的估计结果是可靠的。如果没有特殊需求，不用纠结处理组主效应的遗漏问题~

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