实验组和控制组设置
treated=1 受政策影响的样本组 （Di=1)
treated=0 不受政策影响的样本组（Di=0)
post=1 政策开始之后(t=1)
post=0 政策开始之前(t=0)
did=treated*post
回归
传统DID模型：
说明：由于只是传统单期DID，政策发生时间完全一致，因此post的下标为t
多期DID模型：
说明：post的下标为i,t
随机效应模型 reg y did treatedpost,r cluster(stkcd) 或 xi: reg y treated##post,r cluster(stkcd)
固定效应模型 xtreg y treated##post, fe cluster(stkcd)
说明：模型中不需要加入处理组虚拟变量 ，是因为模型中加入了个体固定效应 ， 包含更多信息，是控制了个体层面不随时间变化的特征，而 仅控制了组别层面不随时间变化的特征，若二者同时加入会产生多重共线性问题。同样的，模型中也不需要加入处理期虚拟变量，因为模型中加入了时间固定效应 ， 包含更多的信息，是控制了每一期的时间效应，而 仅控制了处理期前后的时间效应，若二者同时加入会产生多重共线性问题。
平行趋势检验：满足则可直接使用DID，不满足则要使用PSM-DID
gen Dyear = year-1994（假设1994年为政策开始年）
gen Before3 = (Dyear==-3&treated==1)
gen Before2 = (Dyear==-2&treated==1)
gen Before1 = (Dyear==-1&treated==1)
gen Current = (Dyear==0&treated==1)
gen After1 = (Dyear==1&treated==1)
gen After2 = (Dyear==2&treated==1)
gen After3 = (Dyear==3&treated==1)
xi: xtreg y treated post Before3 Before2 Before1 Current After1 After2 After3 i.year, fe
结果应当是 Before3 Before2 Before1的回归系数不显著，Current After1 After2 After3回归系数显著
平行趋势图
coefplot reg,keep(Before3 Before2 Before1 Current After1 After2 After3) vertical recast(connect) yline(0)
*保留关键变量: keep(Before2 Before1 Current After1 After2 After3_)
*转置: vertical
*系数连线，观察动态效果: recast(connect)
*增加直线y=0: yline(0)
结果图应当Before3 Before2 Before1的线与y=0相交，Current After1 After2 After3的在0的上方（正）或下方（负）
安慰剂检验
核心思想：虚构处理组进行回归。
第一步：选取政策实施之前的年份进行处理，例如，政策发生在2014年，研究区间为2013-2015年。我们可以把研究区间向前移动到2011-2013年，并假定政策实施年份为2012年，然后进行回归。
第二步：选取已知的并不受政策实施影响的群组作为处理组进行回归。
如果不同虚构方式下的DID估计量的回归结果依然显著，说明原来的估计结果很有可能出现了偏误。
