统计百科 · 2026-07-11

BJS 插补 DID 怎么报告？反事实预测、ATT 与 APA 结果模板

BJS 插补 DID 结果如何写进论文？本文说明未处理样本、双向固定效应反事实、处理期平均效应与简化标准误的真实输出边界，并提供可复核指令和 APA 模板。

直接答案：先报告反事实从哪里来，再报告平均处理效应

BJS 插补 DID 的核心不是把传统 DID 交互项换一个名字，而是只用未处理观测估计“没有接受处理时，结果变量本来会怎样”，再把处理期的实际值与该反事实预测相减。论文中应按“未处理样本与模型 → 反事实预测 → 处理期差值 → 聚合效应 → 推断限制”的顺序写。

如果文章只写“BJS ATT 显著”，却没有说明哪些观测用于估计反事实、哪些处理期观测被排除，以及标准误如何计算，读者无法判断结果是否可复核。BJS 也不会让所有交错处理问题自动消失：处理时点编码、平行趋势、无提前反应、样本支持和推断方法仍然需要论证。

数据结构与识别条件

至少需要以下长表字段：

字段	含义与检查
unit_id	个体标识，同一个体跨期保持一致
year	时间标识，能正确排序
outcome	被解释变量 Y
treated_now	当前期是否已进入处理状态，0=未处理，1=已处理

当前分析器把 treated_now=0 的观测用于估计个体与年份固定效应，把 treated_now=1 的观测用于计算“实际值−预测反事实”。因此，0/1 列必须是每期处理状态，不是“这个个体曾经属于处理组”的时不变标签。一个处理期个体如果从未在未处理样本中出现，其个体固定效应无法识别，相应处理期观测会被排除。

因果解释还依赖：未处理结果模型能够描述处理组在未处理状态下的趋势；处理前不存在未建模的提前反应；政策之外没有只在处理时点同步发生的差异冲击；样本与时间口径稳定。分析成功不等于这些条件已经成立。

ChatSRS 当前真实实现范围

当前 panel_did_imputation 分析器：

只读取 Y、个体列、时间列和 0/1 DID 处理状态列；
用全部未处理观测拟合个体固定效应与年份固定效应；
对可识别的处理期观测预测反事实；
计算每条处理期观测的“实际值−反事实”；
直出平均处理效应 τ、标准误、t 统计量、正态近似 95% CI、处理期观测数、未处理期观测数和估计策略。

**能力边界：**当前直出的标准误是处理期差值标准差除以样本量平方根，没有计入固定效应估计的不确定性，也没有按个体聚类，通常可能偏小，相应 t 值可能偏大、置信区间可能偏窄。当前输出也不含事件时间效应、处理前趋势图、协变量扩展或聚类自举。严格推断需要另行采用与 BJS 设计一致的标准误或个体聚类自举，并核验后再写入论文。

可复核的一句话输入

上传包含上述字段的数据后，可以输入：

对 outcome 做 BJS 插补 DID。unit_id 是个体列，year 是时间列，treated_now 是逐期处理状态，0 表示该期未处理、1 表示该期已处理。请说明未处理观测如何估计个体和年份固定效应，报告 τ、简化 SE、t、95% CI、用于反事实的处理期观测数和用于模型估计的未处理观测数；同时明确当前 SE 未计入固定效应估计不确定性、未按个体聚类，不把显著性作为严格结论。

这段指令使变量角色与输出边界可复核，但不能保证任意数据都能运行。未处理观测不足、处理观测不足、时间或个体编码错误，都会使估计失败或失去解释基础。

输出结果怎么解读

直出字段	可以写什么	不能写什么
τ	可用处理期观测的平均“实际−反事实”	每个 cohort、每个事件时间的效应
简化 SE、t、CI	当前实现下的描述性推断参考	聚类一致或完整 BJS 推断
处理期观测数	实际进入效应平均的观测数	原始所有处理观测都被使用
未处理期观测数	反事实固定效应模型的估计样本	未处理模型设定必然正确

τ 的正负要结合 Y 的单位解释。若 Y 为对数，还要事先确定采用近似百分比还是指数转换；不能在不知道变量变换的情况下直接写“提高了多少百分比”。

APA 表格与正文模板

指标	数值
平均处理效应 τ	[实际输出]
简化标准误	[实际输出]
t	[实际输出]
95% CI	[[下限], [上限]]
可用处理期观测数	[实际输出]
未处理期观测数	[实际输出]

表注建议：

注：反事实模型仅使用未处理观测估计个体与年份固定效应。τ 为可识别处理期观测中实际结果与预测反事实之差的平均值。当前 SE 未计入固定效应估计不确定性且未按个体聚类，因此 t 与 CI 仅作简化参考；严格推断另行完成并核验。

本研究采用 BJS 插补思路评估 [处理] 与 [Y] 的关系。首先使用
treated_now=0 的 [未处理观测数] 条观测估计个体与年份固定效应，
再对 [处理期观测数] 条可识别的处理期观测预测未处理反事实。
处理期实际值与反事实预测之差的平均值为 τ = [ ]。

当前实现给出的简化 SE = [ ]、t = [ ]、95% CI [[ ], [ ]]，
但该 SE 未计入第一步固定效应估计不确定性，也未按个体聚类。
因此正文将 τ 作为点估计报告，不据此声称已完成严格 BJS 推断。
[若另行完成并核验聚类一致推断，再补充相应结果。]

投稿前自查

是否说明处理状态列是逐期 0/1，而非时不变组别？
是否报告用于反事实模型的未处理观测数？
是否披露无法识别个体固定效应而被排除的处理观测？
是否把简化 SE 与严格聚类推断区分开？
是否另外检查处理前趋势、提前反应与政策溢出？

常见问题 FAQ

Q1：BJS 插补 DID 一定比 TWFE 正确吗？

不一定。它针对异质处理效应下的部分 TWFE 问题提供不同估计路径，但仍依赖反事实模型、处理时点和识别假设。

Q2：treated_now 可以直接填首次处理年份吗？

不能。当前方法需要每一行的 0/1 处理状态；首次处理年份是 cohort 编码，适用于其他多期 DID 路径。

Q3：直出的 95% CI 可以直接作为投稿最终结果吗？

应谨慎。当前 SE 未聚类且忽略第一步估计不确定性，严格投稿推断应另算并核验。

Q4：为什么部分处理期观测被排除？

若某个体从未出现在未处理样本中，其个体固定效应无法从反事实模型识别，当前实现会排除这些处理期观测。