观文听傑

返回

城市分批上线的多条时间轨迹经组别与时间对齐后汇总为效果路径城市分批上线的多条时间轨迹经组别与时间对齐后汇总为效果路径

上一篇用交互固定效应(Interactive Fixed Effects,IFE)表示“共享冲击会按城市载荷不同而变化”,也提醒错时上线不能把已经处理的城市继续当对照。现在看这个问题本身:推荐模型按城市分批上线,早上线城市的效果会随使用时长增长,晚上线城市起初效果较小。若把所有城市和日期塞进一个双向固定效应(Two-Way Fixed Effects,TWFE)回归,软件会给出一个数字;这个数字却可能把早期已处理城市拿来比较晚期新处理城市,从而把正效果混成负的比较项。

本篇只讲组别—时间处理效应(group-time treatment effects):按首次处理批次 gg 和日历时间 tt 分别估计 ATT(g,t)\mathrm{ATT}(g,t),每次只和从未或当时尚未处理的单位比较,再根据明确写出的目标权重汇总。下一篇可以讨论处理前趋势只近似成立时,如何给结论做敏感性界限。

01 已处理组当对照,为什么会改变量的符号?#

下表是按单位计的结果均值。早上线组从第 1 期后处理,效果从 10 增至 20;晚上线组从第 2 期后处理,初始效果为 5;第三组从未处理。

组第 0 期第 1 期第 2 期首次处理期
早上线 E1001111221
晚上线 L8081872
从未上线 N606162—

假设未处理结果每期都增加 1。早上线组第 1 期的效果是 (111−100)−(61−60)=10(111-100)-(61-60)=10;第 2 期效果是 (122−100)−(62−60)=20(122-100)-(62-60)=20。晚上线组刚处理后的变化是 87−81=687-81=6,早上线组同期已处理变化是 122−111=11122-111=11。若把前者减后者,比较项就是 6−11=−56-11=-5。它为负不是因为新模型伤害了所有人,而是早上线组效果已长大,成了错误对照。

这个两组两期算式用来展示污染机制,不表示 TWFE 总体回归系数在本例恰为 −5-5。多组多期 TWFE 混合多个 2×2 比较,权重可能为负,目标也会随处理时点和效果异质性改变。因此,负系数不能直接读作总体平均处理效果。

flowchart LR
  A[整理每个单位首次处理期 G] --> B[对批次 g 和时间 t 单独构造比较]
  B --> C{截至 t 仍未处理}
  C --> D[尚未处理单位]
  C --> E[从未处理单位]
  D --> F[处理组变化 − 对照组变化]
  E --> F
  F --> G[得到 ATT(g,t),检查支持与平行趋势]
  G --> H[按目标人群和时间权重汇总]
mermaid

02 组别—时间 ATT 在估计什么?#

令 Gi=gG_i=g 表示单位 ii 在第 gg 期首次接受处理;Gi=∞G_i=\infty 表示样本期内从未处理。Yit(0)Y_{it}(0) 和 Yit(1)Y_{it}(1) 分别是单位在时期 tt 未处理、已处理时的潜在结果。对 t≥gt\ge g,目标为:

ATT(g,t)=E[Yit(1)−Yit(0)∣Gi=g].\mathrm{ATT}(g,t)=\mathbb E[Y_{it}(1)-Y_{it}(0)\mid G_i=g].

处理后的 Y(0)Y(0) 看不到。选择处理前基准 bg<gb_g<g,无协变量的两期变化估计量是:

ATT^(g,t)=(Yˉg,t−Yˉg,bg)−(YˉCt,t−YˉCt,bg),Ct={i:Gi>t}∪{i:Gi=∞}.\widehat{\mathrm{ATT}}(g,t)= (\bar Y_{g,t}-\bar Y_{g,b_g})-(\bar Y_{C_t,t}-\bar Y_{C_t,b_g}), \quad C_t=\{i:G_i>t\}\cup\{i:G_i=\infty\}.

第一项是批次 gg 的变化,第二项是同一日历区间内“截至 tt 仍未处理”单位的变化。识别依赖相应窗口内的平行趋势,以及没有提前反应、跨组干扰或只影响一组的同期指标变更。若需协变量调整,应明确条件化或双重稳健估计设计;加入任意控制变量不能修复错误的对照组。

数据维度要保持清楚:

  • 结果面板 Y∈RN×TY\in\mathbb R^{N\times T}:NN 个城市为行,TT 个时期为列;每格是按一致指标口径聚合的结果。
  • 首次处理向量 G∈{0,…,T−1,∞}NG\in\{0,\ldots,T-1,\infty\}^N:每个单位一个批次。
  • 效应表 A^∈R∣G∣×T\widehat A\in\mathbb R^{|\mathcal G|\times T}:行是批次,列是日历期。t<gt<g 的格子没有处理效应,不能补成零。
  • 汇总需另选权重 wg,t≥0w_{g,t}\ge0、∑wg,t=1\sum w_{g,t}=1:θ^=∑g,t≥gwg,tATT^(g,t)\widehat\theta=\sum_{g,t\ge g}w_{g,t}\widehat{\mathrm{ATT}}(g,t)。

基准常取 bg=g−1b_g=g-1;也可预先定义更早的共同基准。不同基准会改变比较窗口和假设,需在看结果前决定。

03 手算三个批次—时间单元#

令第 0 期为共同基准,未处理时各组每期增加 1。早上线组效应依次为 10、20,晚上线组首期效应为 5:

组第 0 期第 1 期第 2 期首次处理期
早上线 E1001111221
晚上线 L8081872
从未上线 N606162—
  • 早上线在 t=1t=1:(111−100)−(61−60)=10(111-100)-(61-60)=10。
  • 早上线在 t=2t=2:晚上线组已处理,只能用 N,故 (122−100)−(62−60)=20(122-100)-(62-60)=20。
  • 晚上线在 t=2t=2:用尚未处理的 N,得到 (87−80)−(62−60)=5(87-80)-(62-60)=5。

若目标是这三个“批次 × 处理后时期”单元的等权平均,结果是 (10+20+5)/3=11.67(10+20+5)/3=11.67。若改为按处理单位数加权、只看上线首期,或按日历期汇总,答案不同。权重定义“谁的平均效果”,不是调显著性的旋钮。

04 可运行的纯 Python 面板实现#

输入是平衡面板 y(N×TN\times T)和首次处理期 adoption(长度 NN,None 代表从未处理);输出每个可识别单元的 ATT、处理单位数和对照单位数。它使用单位等权均值,不估标准误。

for each adoption cohort g:
    choose a pre-treatment baseline b = g - 1
    for each post-treatment period t >= g:
        controls = units never treated or first treated after t
        if controls are empty: mark ATT(g,t) as unavailable
        else: ATT(g,t) = treated change(b -> t) - control change(b -> t)
aggregate only defined cells with predeclared cohort/time weights
text

实现使用 Python 内置的 len 检查面板形状、enumerate 同时读取单位索引和上线期、sorted 固定批次遍历顺序,sum 计算组内均值。输出是字典列表;若某期没有有效对照,示例跳过该格,因此正式分析还要单独记录“不可估”单元及其原因,不能把缺失格补零。

baseline 固定为 g−1g-1。controls 只保留 Gi>tG_i>t 或从未处理的单位,避免处理后结果泄漏进对照。真实数据应检查每个单位—时期是否观测齐全、首次处理时点是否来自真实生效日志、缺失是否改变样本构成,以及比率指标的分子/分母是否先正确聚合。单位数不等于独立随机化簇数;推断层级由处理如何分配决定。

事件时间 ℓ=t−g\ell=t-g 表示上线后经历的时期。可把同一 ℓ\ell 的 ATT 按批次等权或按处理单位数加权,但必须展示权重与批次构成。本例事件时间 0 的等批次平均是 (10+5)/2=7.5(10+5)/2=7.5,事件时间 1 只有早上线组的 20;后段变化同时伴随样本批次变化,不能解读为同一批城市随时间增长的动态效果。

05 调试、推断与方法边界#

检查常见错误调试动作
首次处理期 GiG_i用申请时间替代真实生效时间对照流量、部署、回滚日志
对照集合 CtC_t已处理单位仍被当作对照对每个 (g,t)(g,t) 打印对照 ID 和状态
处理前基准各批次窗口不同且未说明冻结规则并绘制每批次前趋势
汇总权重把未定义格补 0 后求平均只汇总可估格,报告权重与样本
标准误把每个请求或日期当独立处理按实际处理分配层级推断;簇少时谨慎
事件研究 lead不显著就宣称平行趋势成立报区间、功效和敏感性,不把未拒绝当证明

若城市提前灰度、处理影响邻近城市、结果口径或用户构成随上线变化、上线时间由即将发生的结果冲击决定,以上估计都可能失效。若某批次在后期没有尚未处理或从未处理单位,该单元缺乏比较对象;所有单位最终处理时,长事件时间也不能靠外推凭空补出反事实。只有少数处理城市时,很多日记录并不会自动带来可靠的常规聚类推断。

组别—时间 ATT 与普通 TWFE 的差别在于先定义比较对象和目标参数。它并不自动消除混杂,仍依赖识别假设。合成控制、合成双重差分和 IFE 改变反事实构造方式;分批处理时依然要说明每批次、每时期有哪些未处理信息可用。

键盘可展开:分批上线分析提交前检查

按 Tab 聚焦摘要,再按 Enter 或 Space 展开。逐批核对首次生效期、处理前基准、当期未处理对照、处理前趋势、每格样本数和推断聚类层级;事件时间图标出批次构成;报告总体效果按城市、处理单位还是批次—时期加权。

思考练习#

  1. 某批次上线前后分别增长 8,同期仍未处理组增长 3。ATT 是多少?对照在结果期前一天开始 10% 流量灰度,还能视作未处理吗?
  2. 事件时间 ℓ=2\ell=2 只含最早两个批次,而 ℓ=0\ell=0 含五个批次。曲线的时间变化和批次构成变化如何区分?
  3. 4 个城市集群各有 10 万请求,处理在城市层随机。标准误应把哪一级当独立信息?若仅两个处理城市,常规聚类推断面临什么限制?

延伸阅读#

上一篇从共享潜在因子重建反事实;本篇按上线批次拆开比较,避免已处理组替未处理组充当对照。两者都要说明哪些单位—时间格承载了未处理反事实,拟合得像不能替代识别假设。

城市分批上线,传统双向固定效应为何会算出负效果?组别—时间 DiD
https://zwjcode.cn/blog/staggered-did-group-time-att
作者 傑
发布于 2026年10月14日
版权协议 CC BY-NC-SA 4.0
评论加载似乎遇到了问题,请尝试刷新页面。