阿莱克西斯做政策评估的朋友应该都清楚，DID（双重差分）这个方法本身不难理解，难的是找到一组干净、可信的“处理冲击”。我手头这套2010-2024年区县政府官员变动数据，刚好提供了一个非常典型的准自然实验场景：不同区县在15年间陆续发生主政官员变动，等于处理时点天然错落分布在时间轴上。很多人看到这类数据，第一反应是“直接跑双向固定效应不就行了”，但真正把原始记录清洗成可用的分析面板、再选对估计量、做完一整套稳健性检验，中间要过的关卡比想象中多得多。这篇文章把我实际做下来的完整流程、模型取舍和踩坑记录都摊开讲，适合正在做政策评估、公共经济、地方治理相关实证研究的同学参考。
这套数据的核心价值在于，“官员变动”不像一个典型政策那样在全国统一时间铺开，而是每个区县的发生时间都不同，这就构成了典型的交错处理（staggered treatment）。你不需要自己挑处理组和对照组，时间和空间上的差异天然提供了比较维度。但正因为是交错处理，后面估计量的选择会变得非常敏感。先明确一下DID设计的基本思路：把发生官员变动的区县看作处理组，尚未变动的看作控制组，通过双重差分剥离区县固定效应和年份固定效应，识别官员变动对辖区经济指标的平均处理效应。这是最朴素的理解，真正落地时会遇到一系列界定问题：变动时点怎么定、窗口多长、是否区分变动类型、是否排除换届年等等。
1. 为什么拿官员变动做DID：一个天然的准自然实验素材
1.1 官员变动数据的识别价值
首先要说清楚一件事：DID需要的是“外生变化”的处理变量。政策试点、新规实施这些常见场景里，处理时点往往由上级统一部署，自选择问题很严重——能入选试点的地区本来就更发达或更有治理经验，处理组和对照组从一开始就没有可比性。
官员变动数据在这方面有独特优势。主政官员的更替，对辖区内的企业和居民来说更像一场“外生冲击”——具体哪天换人，并不完全由当地经济表现决定。这一点在识别策略上非常关键：只要变动时点和辖区特征之间没有强相关关系，处理组和对照组的事前趋势就有理由认为是平行的。用通俗的话讲，这相当于大自然帮你做了近似随机分组，你只需要在事后验证分组的“随机性”是不是真的成立。
当然，学术上都讲究“并非完全外生”，官员变动不可能真的是随机掷骰子。新任官员的年龄、学历、来源地、此前岗位，甚至到任时的经济周期，都会影响后续政策走向。所以好的做法不是默认外生，而是把这些特征作为协变量纳入模型，再用平行趋势检验和安慰剂检验来支撑识别。如果你拿到数据后直接就扔进回归，不做任何外生性论证，审稿人大概率会问一句：为什么不是反向因果？
值得一提的是，这套数据的时间跨度从2010年到2024年，正好覆盖了多个重要的经济周期节点。这意味着你可以观察不同宏观环境下官员变动效应的差异——经济上行期换人、下行期换人、恢复期换人，效应可能完全不同。这种时间维度上的丰富性，是很多短面板数据不具备的。
1.2 这套数据集的核心字段与适用场景
拿到这套数据，你会看到典型的“区县×年份”长表结构。建议至少包含以下几类字段：
- 区县标识：行政区划代码（6位或12位，注意保持版本一致），以及区县名称
- 时间标识：年份、月份，用于构造季度或年度面板
- 官员信息：变动类型（换届、任中调整）、新任官员年龄、学历、任职来源、任职起止时间
- 辖区结果变量：GDP、人均GDP、财政收入、财政支出、固定资产投资、人口、产业结构等
- 协变量：区县经济基础、地形、资源禀赋、历史增长率等
字段看似简单，实际使用时会发现很多细节都需要提前规划。比如行政区划代码在不同年份可能有调整，撤县设区、合并、更名都会让面板对不上。再比如“官员变动”是看主政官员还是看所有党政领导？研究问题不同，定义也不同。我的经验是，在主数据之外单独维护一张“区划代码变更表”，把所有发生过变更的区县时间点补齐，否则后面合并年度统计年鉴数据时一定会出问题。
适用场景上，这套数据能支撑三类典型研究：一是官员变动对经济增长、财政行为的影响；二是官员更替背景下，地方产业政策、基建投资、民生支出的变化；三是以官员变动作为工具变量或处理变量，研究治理层不确定性对微观企业行为的影响。每一类场景对数据的处理细节要求都不一样。比如研究企业行为，你可能需要把官员变动事件匹配到企业注册地，再按区县分组展开分析，这比直接做宏观面板要多一层匹配工作。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 从原始记录到分析面板：绕不开的数据工程
2.1 面板结构设计与基准数据生成
原始数据通常长这样：一个文件夹里放着15年的官员任免记录、统计年鉴电子表格、以及一些扫描版文件。第一步要做的是把人事记录转成可用的面板。我会先定义分析单元是“区县-年份”，然后为每一个“区县-年份”生成一个处理状态变量。
处理状态的生成逻辑要特别注意。如果当年1月1日至12月31日期间发生了主政官员变动，则当年记为处理组；也可以变通一下，从变动生效月之后才记为处理组。更保守的做法是：变动发生在下半年的，算下一年处理；变动发生在上半年的，算当年处理。很多初学者忽略这个设定，直接生成一个虚拟变量，后面去解释系数时才发现说不清楚。
我自己习惯的做法是建一个“事件表”，每条记录包含：区县id、官员变动生效日期、变动类型、新任官员关键特征。然后以年份为单位，把事件表展开到年度面板，再生成相对时间变量（dist_to_treatment = year - 变动年份）。这样后面跑事件研究的时候，直接基于这个变量做动态效应，非常灵活。
2.2 处理时点与窗口的界定
这里有一个很容易踩的坑：官员变动是有具体日期的，但经济和财政数据都是年度频率。处理时点到底取年初、年中、年底，会直接影响估计结果。比较稳妥的做法是设定一个“处理生效规则”并做敏感性分析。比如规则A：变动日在7月1日之前，当年就算处理组；规则B：只要当年发生变动就算处理组。两个规则下结果差异大不大，本身就是一个很好的稳健性检验。
窗口长度也需要提前决定。政策评估里常见的是前后3年或5年窗口。如果处理组和对照组在窗口外差异很大，把窗口拉太长反而引入更多混杂因素。建议在表里生成一个“距离变动年数”变量，值为-5到+5，这样你可以随时灵活截取任意窗口，不需要反复改原始数据。这里特别提醒：做事件研究时，末端年份经常会出现“处理前/处理后距离”超出样本范围的情况，这些缺失值在回归里会自动drop，但你要知道是谁被drop了，避免样本量变化导致结论不稳定。
另一个实操细节是“处理组从未被处理”的标记。在多期DID里，有一部分区县在2010-2024年期间一直没有发生官员变动（或者官员变动极不频繁），它们是最干净的对照组，要单独标记出来。这个变量在CS-DID估计里叫gvar的取值依据，后面会详细讲到。
2.3 清洗中的三个高频坑
第一个坑是面板不平衡。很多区县在2010-2024年间经历了撤并，GDP数据可能出现断档。如果直接丢掉缺失年份，面板就从平衡面板变成了不平衡面板，而不同估计量对不平衡面板的敏感性不同。建议先检查样本损耗率，如果超过10%，说明缺失不是随机的，需要找原因。比如某一年统计口径调整、某几个区县合并、某些地区数据未公开，这些都会造成“伪缺失”。
第二个坑是变量用名义值还是实际值。GDP、财政收支这类数据，必须用平减指数转换成实际值，否则时间趋势会主导DID的结果。这点看似基础，我见过不少论文栽在这里——用名义GDP跑出的显著效应，平减之后根本不显著。具体做法是用省级GDP平减指数或全国GDP平减指数折算成以某年为基期的实际值。如果面板里有跨省样本，地区价格差异也要考虑进去，必要时用购买力平价因子校准。
第三个坑是区划代码前后不一致。统计年鉴的代码版本可能更新过，常见的是由6位升到12位，或者某县改成区后代码变化。直接用原始代码合并会出现大量匹配失败。应对办法是维护一张“区划代码-年份-名称”对照表，合并时先check再merge，不match的单独输出检查。这个坑是隐蔽的，因为大部分缺失会“悄悄失败”——代码没报错，但样本量少了一大截，如果你不主动检查，可能带着一张残缺的面板跑到最后。
3. DID估计量的选择：别急着上双向固定效应
3.1 从2×2到多期DID
经典DID的教科书设计是两组两期：处理组和控制组、政策前后各一期，用双重差分消除组间固定差异和共同时间趋势。但在多期面板里，大家实际用的是双向固定效应模型：
Y_it = α_i + λ_t + δ D_it + X_it β + ε_it
这里α_i是区县固定效应，λ_t是年份固定效应，D_it是处理状态虚拟变量。δ就是我们关心的平均处理效应。用Stata的reghdfe或者R的fixest包都能很方便地估计。
这个模型在单一时点处理下没问题，但如果处理时点分散在15年间，情况就复杂了。问题出在D_it在不同时间点从0变1，那些已经变成1的区县，在后续年份还继续贡献D_it=1，它们同时也在给“尚未处理”的区县当对照组。这就是交错处理下TWFE的一个天生缺陷。
3.2 交错处理下TWFE的问题
2018年以来，计量经济学界对TWFE在交错处理下的问题做了大量研究，核心结论是：当处理效应存在异质性时，TWFE估计量可能出现负权重，即某些“处理组”实际上被当作“对照组”使用。更直白的说法是，早期处理组可能在后期成为“对照组”，导致估计出来的δ不再是干净的平均处理效应。这不是代码bug，是估计量本身的识别逻辑问题。
Goodman-Bacon（2021）给出了TWFE的分解定理，把估计量拆解成多个2×2 DID的加权平均。Stata里用bacondecomp命令可以直观看出哪些比较贡献了大权重。R里也有bacondecomp包。如果你发现自己数据里“晚处理组 vs 早处理组”这个比较占了很大权重，那TWFE的结果就需要谨慎解读了。比如一场政策评估里，2005年就处理完的地区，到了2010年还在做“对照组”，这显然不合理——它的处理效应可能早已衰减，拿它当基准会污染估计量。
一个更实际的问题是，如果处理效应是动态的——官员变动的第一年影响最大，第二年减弱，第三年可能趋近于零——那么TWFE会把整个过程平均成单一δ，看起来好像有个“稳定的平均效应”，实际上掩盖了丰富的动态特征。这也是为什么事件研究图越来越成为DID论文的标配。
3.3 稳健估计量的取舍路线
针对异质性处理效应，现在比较主流的方案有几类：
- Callaway & Sant'Anna（2021）：按组别-时间估计平均处理效应，再聚合为总体ATT或事件时间ATT
- Sun & Abraham（2021）：用交互加权事件研究，允许多个时期的事前趋势
- de Chaisemartin & D'Haultfœuille（2020）：基于“从未被处理组”构建DID估计量
- Borusyak, Jaravel & Spiess（2021）：插补法估计
我的日常路线是：先用TWFE跑一遍拿到基准结果，再上事件研究图看趋势，然后用CS-DID做交叉验证。如果几个估计量的结论方向一致，那结果基本可信；如果差异明显，一定要回去检查是哪些组、哪些时点在驱动差异，并如实报告。审稿人通常不介意你报告“某种设定下不显著”，但很介意你只报对自己有利的结果。
对于这个特定的官员变动场景，我会特别建议多关注“始终未处理组”的规模。如果有相当一部分区县在整个期间没有变动，控制组是干净且充足的；但如果几乎每个区县都发生过变动，那么“从未被处理组”可能太少，此时需要考虑把“晚处理组”也纳入对照组，或在解释上更小心。
4. 平行趋势检验与动态效应：用事件研究图说话
4.1 事件研究回归的设定
平行趋势假设是DID的生命线。检验的标准做法是事件研究回归，即把处理前后每一期都放入回归：
Y_it = α_i + λ_t + Σ_{k=-m}^{q} δ_k D_it^k + X_it β + ε_it
这里D_it^k是“区县i在t期距离处理时点还有k期”的虚拟变量，通常把k=-1期作为基准省略。处理前各期的δ_k如果不显著，说明处理组和对照组在变动前没有系统性差异，平行趋势假设得到支撑。处理后各期的δ_k则展示了动态效应：效应是立即显现还是逐步积累，是否随时间衰减。
实际操作中，事件研究设定里最容易出的问题有两个。一个是没有固定“距离0”的定义——比如两个不同来源的数据，一个以“变动生效年月”计算距离，另一个以“当年年初”计算距离，画出来的图完全不对。第二个是时间窗口两端会有“堆积效应”，例如距离处理-6年可能包含了大量样本，而+8年可能只有少量样本，这些极端值的点估计噪声很大，图形上看起来很吓人，其实只是样本量不足。
4.2 怎么读一张事件研究图
一张理想的事件研究图有这几个特征：
- 处理前各期点估计在0附近，置信区间与0相交
- 处理后有若干期点估计显著偏离0
- 事前事后没有阶梯式趋势
但现实数据里我经常遇到两种不理想的情况。一种是事前系数虽然不显著，但画出来有明显的上升趋势，这其实是“微弱平行趋势”问题，靠单次显著性检验是抓不住的。另一种是处理前一期系数特别大，处理当期的效应看起来被“吃掉”了一部分，这通常与政策预期效应有关——消息提前释放，经济主体已经提前反应。官员变动尤其容易出现预期效应，因为人事调整在正式公布前往往有风声，企业投资和居民预期可能已经做出调整。
遇到这两种情况，单靠一张图解释不清。我会补做敏感性分析，比如改变基准期（用-2期而非-1期）、改变窗口长度（从±3改为±4）、加入更加灵活的时间趋势多项式，确认结论不依赖特定设定。如果预期效应确实存在，可以考虑把事件研究图中的“距离0”调整为正式公布日之前一两个季度，或者把预期窗口内的样本单独剔除再估计。
4.3 聚类层级和推断的细节
推断方面，聚类层级选择对显著性影响很大。区县级DID研究里，聚类到区县层面是最基本的要求，因为同一区县不同年份的扰动项往往相关。如果官员变动在更上一级行政单位有聚类，严格的做法是聚类到更高层级，但样本量小的时候自由度过低，检验功效会变差。我的做法是主回归聚类到区县，稳健性检验里聚类到更高层级，如果两个都显著，那结果就扎实。
这里还有两个容易被忽略的技术细节。一是处理组的数量。如果“发生变动”的区县只有十几个，聚类标准误可能严重低估，因为渐近推断的大样本假设不成立。此时建议用wild cluster bootstrap计算p值。二是R和Stata的聚类标准误计算公式在有限样本修正上略有差异，同一份数据用两个软件跑，标准误可能有5%-10%的差别，它不是错误，但你要知道差异来源。
5. 针对官员变动场景的稳健性检验组合拳
5.1 安慰剂检验：随机置换处理时点
官员变动场景的安慰剂检验，常见做法是随机生成虚假的处理时点，然后重复跑DID回归，看真实估计量在虚假估计量分布中的位置。如果在5%的水平上，真实估计量显著异于虚假分布，说明观察到的效应不太可能只是偶然。这个检验对审稿人特别有说服力，也最能暴露模型设定问题。
Stata里可以手写一个循环，R里用future_map或foreach做几千次随机置换，然后绘制估计量分布。注意随机置换时要在区县层面做，而不是在“区县-年份”层面做，否则会破坏面板结构，置换检验失去意义。另外，如果数据存在同期相关，置换分布可能系统性偏移，此时可以改用“块置换”，即以区县为块重抽样。
5.2 偏离定义的敏感性
这一步是“换处理变量”的稳健性检查：
- 只保留换届类型的变动，剔除中途调整，看结果是否变化
- 把处理定义从“发生变动”换成“新任官员上任满一年”
- 排除变动当年，单看变动后年份的效应
- 把二元处理变量换成连续型处理变量（比如变动次数、新任官员任期百分比）
如果所有定义下方向一致，说明结果不太可能由某个武断的编码规则驱动。反之，如果一个定义显著、另一个定义不显著，通常意味着效应集中在特定类型的变动上。举例来说，如果只保留换届类型的变动时效应显著，而把任中调整也算进去就不显著，可能说明“预期内的人事规律性变动”对经济主体没有冲击，真正有影响的是“意外调整”。这时候报告时要更细致，不能笼统说“官员变动对某结果有影响”，而是应该具体到“哪类变动”。
5.3 排除干扰样本与同期因素
官员变动数据还容易受到“选择性问题”的干扰。比如某些区县恰好同时推进了重大规划、区域调整或产业转移，这些政策也会影响结果变量，会和官员变动的效应混淆。需要收集这些同期政策信息，能控制就控制，不能控制就把受影响样本排除后重跑。
特别要留意的是换届集中年。如果数据里某一年大量区县同时换人，那一年实际上接近一个“全局冲击”，DID的对照组会被掏空，这一年贡献的识别信息非常有限。可以做一次敏感性分析：删除换届大年后再估计。如果删除前后结论一致，说明识别不完全依赖这些特殊年份；如果那个年份是关键驱动，那就要认真讨论为什么那一年特别重要。
此外，我还会做“样本范围敏感性”：删掉直辖市的区县、删掉资源型城市、删掉少数民族自治县。删掉什么取决于研究问题。如果是研究产业结构调整，把资源型区县排除能确认结果不是由能源价格周期驱动；如果是研究财政行为，把享受特殊转移支付的区县排除很重要。这个环节没有标准菜单，完全取决于你对研究背景的理解。
6. 代码实操：Stata与R双版本跑通DID
6.1 Stata流程
假设数据已整理成did_data.dta，核心变量：id、year、first_treat（首次处理年份，从未处理为0）、did、y、x1、x2。
基准回归：
stata复制use did_data.dta, clear
* 双向固定效应
reghdfe y did x1 x2, absorb(id year) cluster(id)
est store twfe
事件研究（以处理前1期为基准）：
stata复制gen rel_time = year - first_treat if first_treat != 0
replace rel_time = -10000 if first_treat == 0
eventdd y i.rel_time, timevar(rel_time) absorb(id year) cluster(id) graph_opts(///
xline(-0.5, lpattern(dash)) ///
yline(0, lpattern(dash)))
CS-DID：
stata复制csdid y x1 x2, ivar(id) time(year) gvar(first_treat) notyet
estat event
estat simple
6.2 R流程
数据框df，变量名同上。
r复制library(fixest)
# 双向固定效应
mod_twfe <- feols(y ~ did + x1 + x2 | id + year, data = df, cluster = ~id)
summary(mod_twfe)
# 事件研究
df$rel_time <- ifelse(df$first_treat == 0, -10000, df$year - df$first_treat)
mod_event <- feols(y ~ i(rel_time, ref = -1) | id + year, data = df, cluster = ~id)
iplot(mod_event)
# CS-DID
library(did)
atts <- att_gt(yname = "y", tname = "year", idname = "id",
gname = "first_treat", xformla = ~x1 + x2,
data = df, control_group = "notyettreated")
summary(atts)
ggdid(atts)
6.3 常见报错与处理
在我自己的实操中，遇到最多的几个报错：
第一个是“reghdfe: insufficient observations”。这通常是因为某个高维固定效应的类别数等于样本数，或者样本量太小，模型饱和导致参数无法估计。检查一下是否无意中引入了区县×年份交互固定效应，如果控制维度过高，模型会饱和。另一个原因是某个变量大量缺失，导致有效样本断崖式下降。解决办法是先跑一个不含协变量的模型，看样本量是否恢复，再逐个加入协变量，定位问题变量。
第二个是CS-DID的“gvar”设置错误。first_treat变量必须是数值型年份，未处理组必须用0或NA，不能用空字符串。如果gvar变量名写错，或者未处理组赋值不对，命令会直接报错，提示也经常是抽象的“gvar must be a numeric variable”。这个报错的排查方法很简单：tab first_treat，看看是不是有负值、0和缺失值混在一起。
第三个是事件研究图跑完发现基准期系数不为0。这往往是因为rel_time的生成没有排除未处理组，或者基准期取错了。记得把从未处理组的rel_time设成一个不可能的值（比如-10000），并在回归中处理掉。ref = -1表示以-1期为基准，如果你希望以当期或更早时期为基准，需要显式指定。
第四个常见问题是“did not exit cleanly”类的报错，多出现在CS-DID或bacondecomp等第三方命令安装或版本不兼容时。这类情况优先确认命令版本是否更新、Stata或R版本是否匹配。特别是Stata里某些命令依赖较新版本的内置函数，老版本直接给你一个让人摸不着头脑的报错。更新不是万能的，但不更新大概率会遇到这些问题。
7. 从结果到论文：核心输出和表述规范
7.1 基准表、事件研究图和平衡表怎么组织
实证论文里DID结果的呈现有固定的“三件套”。第一张表是基准回归表，通常把五个回归并列：不加入协变量、加入协变量、加入协变量并聚类到更高层级、剔除特定样本、换个估计量。第二张图是事件研究图，一般放在正文最显眼的位置，因为它在视觉上最直观地体现平行趋势和动态效应。第三张表是处理组和对照组的均值平衡表，分别在处理前和处理后比较关键变量的均值差异，并报告标准化差异。
对官员变动数据来说，平衡表里最好包含治理类变量，而不仅仅是经济变量：新任官员的平均年龄、学历比例、是否本地晋升等。如果处理组和对照组在这些变量上本身就不平衡，说明官员变动并非“近似随机”，你要么在回归中控制这些变量，要么在论文里用较长篇幅解释不平衡是否影响结论。
7.2 异质性分析：什么时候该做、怎么做
官员变动数据的异质性维度很丰富。按新任官员特征分，可以看“空降”和“本地晋升”差异；按区县特征分，可以看经济发展水平高与低的差异；按时间分，可以看经济上行期和下行期的差异。但我建议不要一开始就撒网式跑异质性，而是先想清楚“你的理论机制是什么”。
比如，如果理论上认为官员变动通过“不确定性”渠道影响投资，那么异质性分析应该围绕不确定性敏感度展开——企业投资中占比高的行业受影响更大，对政策依赖度高的国有部门受影响更大。如果理论上认为通过“新官新政”渠道影响支出结构，那么你应该去看财政支出中基建类支出的变化，而不是泛泛地看GDP。好的异质性分析是机制验证，而不是换着变量刷显著性。
7.3 表述上容易翻车的地方
在论文正文写作时，有几种说法非常容易招致质疑。第一种是“处理效应在所有时期都显著”——如果事件研究图显示效应在第4年开始衰减，请如实说明并在结果解释部分讨论衰减的经济学含义。第二种是“该效应是因果效应”——DID的因果解释完全依赖于平行趋势和排除潜在混杂事件，审稿人会问“有没有可能同期发生了其他政策”，这个问题的回答要有具体证据。第三种是忽略DID本身的“局部处理效应”属性——你估计的是“变动发生者”的平均效应，不能推广到“所有区县如果都变动会怎样”。
最后再补充一个容易踩到的坑：当处理组数量很少时，不要过度解读聚类标准误的显著性。一个经验法则是处理组数量小于20时，普通聚类推断非常不可靠，要用wild cluster bootstrap或者随机化推断。两种方法在R和Stata中都有现成包，别在这上面省时间。
我自己做这套2010-2024年官员变动DID数据，前后迭代了大概五轮才算稳定下来。第一轮跑出来基准结果很漂亮，结果事件研究图一看事前趋势明显下行，整套结果几乎不能用。后来才发现是处理时点规则设错了——把年底变动但下一年才到任的官员也算进了当年处理组。改正之后，一切回归正常。这类经验我想很多人都有体会，也希望这篇内容能帮你少走一点弯路。拿到数据别急着跑回归，先在“处理时点定义”和“面板结构”上多花两三天，后面所有事情都会快得多。