# 任务书：交错处理时点的双重差分——双向固定效应的偏误诊断，与 Callaway–Sant'Anna 等新估计量的对照

## 1. 背景

双重差分（DID）是政策评估最常用的方法。早期做法是在面板上回归「结果 ~ 处理变量 + 个体固定效应 + 时间固定效应」，即双向固定效应（TWFE）。当各个体在不同年份接受处理（交错处理），而且处理效应随时间或随处理批次变化时，TWFE 估计的是一个带有负权重的加权平均，可能偏离真实效应，甚至符号相反。近年的文献给出了诊断方法（Goodman-Bacon 分解）和替代估计量（Callaway–Sant'Anna、Sun–Abraham、Borusyak–Jaravel–Spiess 插补估计等）。

经管、公共政策和流行病学研究者现在被审稿人要求做这些检验，但多数人只会 Stata 的 `xtreg`，不知道怎么在没有 Stata 的环境里完成。本任务要求在云电脑上用 R（或 Python）把这一整套流程做完，并和已发表的结果对照。

## 2. 研究问题

使用两份公开的交错处理面板数据：

1. **最低工资与青少年就业**：R 包 `did` 自带的 `mpdta`（美国 500 个县，2003–2007 年，各县在 2004、2006、2007 年先后提高最低工资，部分县始终未处理）。
2. **持枪自卫法（Castle Doctrine）与凶杀案**：Cheng & Hoekstra（2013）使用的美国州级面板，各州在 2005–2009 年先后通过法律，其余州作对照。数据可从 R 包 `bacondecomp`、`causaldata` 或 Cunningham《Causal Inference: The Mixtape》配套数据获取，先确认哪个能装上，记录来源。

对每份数据回答：

1. 传统 TWFE 估计的处理效应是多少？标准误怎么聚类？
2. 用 Goodman-Bacon 分解，TWFE 估计由哪几类 2×2 比较构成？各占多大权重？其中「已处理组作对照」的比较占多少？
3. 用 Callaway–Sant'Anna 估计量（分别以从未处理组、尚未处理组作对照；回归调整、逆概率加权、双重稳健三种方法）得到的分组—时点效应 ATT(g,t)、总体 ATT、事件研究（动态）效应各是多少？
4. 再用 Sun–Abraham 和一种插补估计量（如 `didimputation` 或 `did2s`）估计一遍，几种方法的结果相差多少？
5. 处理前的平行趋势成立吗？用事件研究的处理前系数和联合检验说明；并用 `HonestDiD`（或同类方法）做一次敏感性分析，报告在多大的平行趋势违背下结论会改变。
6. TWFE 与新估计量的差异，是否能由第 2 问的权重分解解释？

## 3. 计算要求

- **软件**：优先 R。需要的包包括 `did`、`bacondecomp`、`fixest`、`HonestDiD`、`didimputation` 或 `did2s`、`ggplot2`。云电脑里没有的包自行安装，记录安装方式和耗时；不要因为某个包装不上就放弃该部分，先尝试其他镜像或源码方式，仍不行再换 Python（`pyfixest`、`differences`）并记录。
- **推断**：
  - TWFE 用州（县）层面聚类标准误；
  - Callaway–Sant'Anna 用乘数 bootstrap，至少 999 次，设置随机种子；
  - 对持枪自卫法数据，另外做一次随机化推断：把处理时点在州之间随机置换至少 2000 次，得到 TWFE 估计的置换分布，报告真实估计的位置（p 值）。
- **稳健性**：改变对照组（从未处理 / 尚未处理）、是否加入协变量、剔除最早处理的一批州，各看估计量变化。
- 参数和设定先定，再运行，再对照文献；不要为了贴近文献值反复调参。

## 4. 验证与对照

- 查 Callaway & Sant'Anna（2021, Journal of Econometrics）、Goodman-Bacon（2021, Journal of Econometrics）、Cheng & Hoekstra（2013, Journal of Human Resources）、`did` 包文档中对应数据的报告值，列出各自的估计值、标准误和计算条件，写明出处（DOI 或链接）和查阅日期。
- 把本次结果与文献值放在同一张表里，给出差异；差异较大时分析原因（数据版本、样本、聚类方式、对照组选择）。不确定的文献数值要标明未能核实，不要凭记忆填写。

## 5. 出图要求

300 dpi PNG，另存矢量版：

1. 处理时点分布图（各批次的处理时间与样本量，面板的处理状态热图）。
2. Goodman-Bacon 分解图：每个 2×2 比较的估计值对权重散点图，按比较类型着色。
3. TWFE 事件研究图与 Callaway–Sant'Anna 事件研究图（同一坐标轴叠加，含置信区间）。
4. ATT(g,t) 分组—时点估计图。
5. 各估计量的系数对比图（森林图形式，含 TWFE、两种 CS 对照组、Sun–Abraham、插补估计）。
6. 置换检验的分布图，标出真实估计值。
7. HonestDiD 敏感性图。

## 6. 交付物

全部放在工作区的 `staggered_did/` 目录下：

| 文件或目录 | 内容 |
| --- | --- |
| `report.pdf` | 中文研究报告：背景、数据、方法、TWFE 与分解、新估计量、平行趋势与敏感性、稳健性、与文献对照、结论与局限。每个数字都能在表格或日志中找到出处 |
| `figures/` | 上述图表，PNG 与矢量版 |
| `tables/` | 各估计量的点估计、标准误、置信区间；分解权重表；文献对照表。csv 与 xlsx |
| `code/` | 数据获取、估计、分解、置换检验、出图脚本，以及一键复现入口 |
| `methods_notes.md` | 中文操作说明，写给第一次做交错 DID 的研究生：什么情况下 TWFE 会有偏、怎么先做分解诊断、各估计量怎么选、R 包怎么用、事件研究怎么读、常见报错 |
| `run_log.md` | 运行记录：每一步做了什么、用时、报错原文与解决办法、每个决策的理由；R 版本和包版本 |
| `comparison.md` | 与已发表结果的对照表和差异解释 |
| `data_manifest.csv` | 数据来源 URL、获取时间、SHA256 |

## 7. 工作方式

- 请独立完成全部步骤。遇到问题先自己查文档、尝试解决，并记录在 `run_log.md`；不要因为可以自行判断的问题停下来等待确认。只有在确实无法继续时才提问。
- 所有数字必须来自实际运行的输出，不得估计或编造。结果与文献差距大时，如实报告并分析原因。
- 本任务用云电脑的 CPU 即可完成，不需要租用 GPU 或其他算力。
- 长时间计算期间不要反复汇报没有变化的进度；在同一轮里继续等待，有实质进展再说。
- 保留全部中间结果，包括没有采用的设定和失败的尝试。
- 完成后，在对话中用简短的中文总结主要结果（TWFE 与各新估计量的估计值、分解中不当比较的权重、与文献对照），并列出交付物清单与路径。
