重磅！Stata 17的新模块（二）：DDD操作分析( 二 )

生成命令为：

本文插图
DDD模型将纳入医院和使用频率效应，以及它们与时间效应的相互作用。为了拟合该模型，我们加入了一个新的组变量，频率（ frequency:）:

本文插图
操作结果为：

本文插图

本文插图

本文插图

本文插图

本文插图
上面的第一个表有关于第二组变量，频率的信息，其中低和中频率是控制，高和非常高的频率是处理。
第二个表显示， ATET现在变小了，但策略仍然提高了满意度。
下一篇我们将介绍面板DID 。
回顾： didregress 案例操作
医疗服务提供者想要研究一种新的住院程序对病人满意度的影响，使用在他们的一些医院实施新程序之前和之后的病人月度数据。
卫生服务提供者将使用DID回归分析新入院程序对参与该计划的医院的影响。
结果变量是病人的满意度，变量名称为 (satis) ，治疗的变量是程序(procedure),我们可以用didregress拟合这个模型。

本文插图

本文插图

本文插图

本文插图
第一个表格给出了关于对照组和治疗组以及治疗时间的信息。
第一部分告诉我们， 28家医院继续使用旧的程序， 18家医院改用新程序。
第二部分告诉我们，所有实施新程序的医院都在第4th时间段内这么做了。如果一些医院后来采取了这一政策，第一次治疗的最短时间和最长时间将有所不同。
第二个表给出了估计的 ATET, 0.85 (95% CI [0.78,0.91]) 。与没有实施新程序的医院相比，接受治疗的医院的患者满意度提高了0.85个百分点。
该模型的假设之一是，在实施新程序之前，控制组和治疗组的满意度轨迹是平行的。可以通过绘制两组随时间变化的结果或通过可视化线性趋势模型的结果来直观地检查这些轨迹。我们可以使用统计趋势图执行这两种诊断检查。