【stata代码分享】《管理世界》顶刊论文的稳健性检验方法

基于哈啰单车驾照分制度的DID模型实证分析

01 研究背景

本文分享《管理世界》2025年第4期论文《信用管理对消费者行为的双重影响》的稳健性检验Stata代码。该研究基于2018-2020年14个城市3274万条高频数据，采用多期DID方法分析驾照分制度对共享单车用户行为的影响。

研究特色：

• • 数据规模：3274万条日度用户行为数据
• • 研究方法：多期双重差分模型（DID）
• • 期刊级别：中文顶刊《管理世界》
• • 代码完整：提供完整的稳健性Stata复现代码

02 平行趋势检验

平行趋势检验是DID研究的关键假设验证：

* 生成相对时间变量gen post1 = year - Upgrade_yearreplace post1 = -10 if post1 < -10replace post1 = 10 if post1 > 10* 生成政策前后虚拟变量forvalues i = 10(-1)1 {gen pre`i' = (post1 == -`i')}gen current = (post1 == 0)forvalues i = 1(1)10 {genpost`i' = (post1 == `i')}* 平行趋势检验回归reghdfe lndistance pre10 pre9 pre8 pre7 pre6 pre5 pre4 pre3 pre2 ///         current post1 post2 post3 post4 post5 post6 post7 post8 post9 post10, ///         absorb(i.id i.year) cluster(city)

平行趋势检验结果显示，政策前各期系数不显著（p>0.1），满足平行趋势假设。政策实施后，消费者骑行距离显著增加18.10%（p<0.01）。

03 异质性处理效应

Sun and Abraham (2021) 方法实现：

* 异质性处理效应估计eventstudyinteract lndebt pre_6-pre_2 after_*, ///    cohort(first_year) control_cohort(never_year) ///    absorb(i.id i.year) vce(cluster id)

Callaway and Sant'Anna (2021) 方法：

* 异质性处理效应csdid lndebt $vars, ivar(id) time(year) gvar(first_year) ///    method(dripw) notyet

结果发现：

• • 一线城市效果更显著（骑行距离+27.5%）
• • 活跃稳定型用户响应更积极
• • 奖励性激励效果优于惩罚性激励

04 机制分析

信誉激励机制检验：