2023-08-11 阅读量: 5005
改变政策实施时间的安慰剂检验的结果图非常奇怪，和平常看到的安慰剂检验结果相差很多，求助这是为什么
代码如下：
use "F:\innovation.dta",clear
mat b = J(500,1,0)
mat se = J(500,1,0)
mat p = J(500,1,0)
forvalues i=1/500{
use "F:innovation.dta", clear
xtset daima year
drop if treat<1
sample 1, count by(daima)
keep daima year
rename year policy_year
save match_id.dta, replace
merge 1:m daima using "F:innovation.dta"
xtset daima year
gen treat2 = (_merge == 3)
gen period = (year >= policy_year)
gen dd = treat2*period
reg innovation dd lnpergdp third finance lnpeople i.daima i.year
mat b[`i',1] = _b[dd]
mat se[`i',1] = _se[dd]
mat p[`i',1] = 2*ttail(e(df_r), abs(_b[dd]/_se[dd]))
上面三个图分别修改了控制组、开始年份和实验组&开始年份
安慰剂检验是一种常见的研究设计，用于评估新药物或治疗方法的有效性。在这种设计中，研究参与者被随机分配到接受实际治疗或安慰剂（无治疗效果的虚假药物）的组别，以比较两组之间的治疗效果差异。
如果你觉得改变政策实施时间的安慰剂检验的结果图与平常看到的不同，可能有几个原因：
样本量较小：安慰剂检验需要足够的样本量来得出可靠的结果。如果样本量较小，结果可能不够稳定或具有统计学意义。
不寻常的数据分布：结果图可能显示了不寻常的数据分布，这可能是由于样本特征、数据收集方法或其他因素引起的。这可能导致结果与平常看到的安慰剂检验结果有所不同。
实验设计问题：结果图可能反映了实验设计的一些问题，如随机分配不均匀、干扰因素的存在或实施过程中的偏差。这些问题可能影响结果的准确性和可解释性。
为了更好地理解你所描述的情况，我建议你提供更多关于结果图的详细信息，例如数据分布、样本量和实验设计。这样我可以更具体地帮助你分析结果图的奇怪之处。
样本量我觉得应该够吧，我用的是城市面板数据，然后具体设计的话主要是改变了
gen treat2 = (_merge == 3)
gen period = (year >= policy_year)
这一段，改变处理组就只用上面依据，改变时间就只用下面一句，两个都改变的话我就都用了。结果图就像上面一样，不知道为什么下面的坐标和上面点的分布都非常奇怪
安慰剂检验是一种用于评估药物疗效的研究设计。在这种设计中，参与者被随机分配到接受药物治疗或接受安慰剂（即无活性成分的虚假治疗）的组别中。安慰剂通常是一种外观和口感与实际药物相似的物质，但没有治疗效果。
安慰剂检验的目的是评估药物的特定效应是否超过了安慰剂效应。通过与安慰剂组别进行比较，研究人员可以确定药物治疗是否真正有效。
在安慰剂检验中，参与者通常不知道他们接受的是药物治疗还是安慰剂，这被称为"双盲"设计。双盲设计可以减少主观偏见的影响，确保研究结果的可靠性。
安慰剂检验在药物研究中起着重要的作用，它可以帮助确定药物的治疗效果是否超过了自然病程或心理效应。这种设计也被广泛应用于评估其他治疗干预的疗效，如手术、心理疗法等。
