更新了一下模拟数据，之前的模拟没有加入时间和个体固定效应，目前已经补充，不影响最终结论。
阅读了这篇文章，作为一个经济学的学生，本科毕业论文也做的是高速公路开通的影响，手头上也有一些在进行的工作是关于高速公路开通影响的评估的，所以单纯从计量的角度谈一谈这篇文章潜在的问题。
从数据层面来看，宝贝回家记录的案件数量过少，无法给各地区的实际拐卖案件发生数量提供准确信息。作者至少应当在某些年份某些地区，验证官方发布数据与网站记录数据的相关性，否则被解释变量可能包含极大误差。
以Fig.2为例，这幅图记录了1999-2014年间地级市层面的案例数量，可以看到很多地级市没有汇报案例，这不符合直觉。
就公安部发布的立案总量（仅仅是立案数量）而言，本文“最终的样本包括了43991起登记的绑架儿童案件，其中27086起案件是由寻找儿童的家庭报告的，16905起案件是由寻找家人的受害者报告的”，如果去除这二者之间的重复，案件数只会更少，这一案件数可能只有2-3年的立案数量，考虑未立案的情况（如果是父母参与贩卖，立案概率显然低），宝贝回家可能只能覆盖10-20%（已经是乐观的估计）的实际案例。
被解释变量无法准确代表拐卖案件真实情况，所以本文后续计量的显著性，不能归结为显著提高了拐卖案件发生数量。可以支持的结论应该是：
高速公路开通显著提高了宝贝回家汇报的拐卖案件数量。
而在DID的使用上，本文也存在致命性的问题。作者使用了Bacon分解来检验，是否会因为处理的时间差异以及处理的异质性，而造成DID估计的偏误。
尤其注意第二行，第二行使用了一直有高速公路开通的组别与中途开通高速公路的组别进行对比，这在Bacon分解中，是最坏的2X2估计，而这个最坏的2X2估计结果，系数是最大的正数，且具备最高的权重47.9%（一般而言此类坏的估计组别不应当超过10%），这也就意味着，基于Bacon分解的结果，可以预计本文存在严重高估。也就是说：
本文高估了高速公路开通对宝贝回家汇报的拐卖案件数量的影响。
在附录D中，作者这样解释Bacon分解的结果：
We then use this extended panel data to explore the Goodman-Bacon (2021) DID decomposition to illustrate the source of variation and examine potential heterogeneity in the treatment effect. Appendix Fig. D.1 plots each 2 × 2 DID against its weight and the average effect for the abovementioned comparisons. Around 37% of the variation is found to be from different treatment timing, and the rest from comparisons to cities whose connection dummy is unchanged during the sample period. When already-treated and never-treated units serve as controls, the effects are both highly positive (2.201 and 0.475), in addition to the comparison of earlier- to later-connected cities (0.057). Moreover, the comparison of later- to earlier connected cities—the group that may bias our estimate, is negative (-0.158), on average. Thus, using the decomposition theorem to subtract the late-to-early components that lead to potential bias from the weighted average may be appropriate and lead to an even larger positive coefficient.
作者提出从未开通（0.475）与一直开通（2.201）作为对照组的系数为正数，而“先开通VS后开通”（0.057）与“后开通VS先开通”（-0.158）这两个组别的估计为一个正数一个负数。但是作者对于这个结果的解读是错的，一直开通作为对照组是不合理的，一直开通是用先开通作为对照组的强化版，作者知道用先开通作为对照组是不合理，不应该不知道用一直开通作为对照组是更不合理的。
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import statsmodels.api as sm
df = pd.DataFrame({},columns=['Y','treated','id','year','group'])
#定义20个年份50个个体
for year in range(0,20):
for i in range(50):
a = len(df)
df.loc[a,'id'] = i
df.loc[a,'year'] = year
df.loc[df.id<20,'treated'] = 1 #前20个个体一直开通高速公路
df.loc[(df.id>=20)&(df.year>=10),'treated'] = 1 #后30个个体，后10年开通高速公路
df.loc[(df.id>=20)&(df.year<10),'treated'] = 0 #后30个个体，前10年未开通高速公路
df.loc[df.id<20,'group'] = 'Control'#前20个个体作为对照组
df.loc[df.id>=20,'group'] = 'Treatment'#后30个个体作为实
coef_C = 0.1 # 基础增长系数，无论有无冲击1990-2014年每年的拐卖数量缓慢增长
coef_T1 = -1.5 # 实验组开通后五年内的冲击强度
coef_T2 = -0.4 # 对照组开通后五年内的冲击强度
constant_C = 10 # 对照组常数
constant_T = 10 # 实验组常数
start_time_C= 0 # 对照组开通年份
start_time_T= 9 # 实验组组开通年份
for i in df.index:
if df.group[i]=='Control':
df.loc[i,'Y'] = constant_C + df.treated[i]*min((df.year[i]-start_time_C),5)*coef_T1 + (df.year[i]-start_time_C)*coef_C + 0.1 * np.random.normal() # 添加随机扰动
else:
df.loc[i,'Y'] = constant_T + df.treated[i]*min((df.year[i]-start_time_T),5)*coef_T2 + (df.year[i]-start_time_C)*coef_C + 0.1 * np.random.normal() # 添加随机扰动
#绘制折线图
plt.figure(figsize=(10, 6))
plt.plot(grouped.index, grouped.Treatment, label="T", color="blue", marker='o')
plt.plot(grouped.index, grouped.Control, label="C", color="red", linestyle='--', marker='o')
plt.xlabel("year", fontsize=12)
plt.ylabel("Y", fontsize=12)
plt.legend()
plt.grid(True)
plt.show()
# 构建并拟合 OLS 模型
df_dummies = pd.get_dummies(df, columns=[ "year",'id'], drop_first=True)
X_cols = ["treated"] + [col for col in df_dummies.columns if col.startswith("year_") or col.startswith("id_")]
X = df_dummies[X_cols]
X = sm.add_constant(X)
X = X.astype('float')
y = df["Y"].astype('float')
model = sm.OLS(y, X)
result = model.fit()
print(result.summary())我编辑了一段python代码模拟，假设样本期20年，20个对照组一直有开通高速，30个实验组前十年未开通，后十年开通。假设开通高速公路之后，会在刚刚开通的5年内，每年减少0.4（实验组）或1.5（对照组）的拐卖案件数量，回归加入了时间和个体固定效应。同时在高速公路开通冲击之外，实验组和对照组均以0.1的速度，每年自然增加一些拐卖儿童案件数量，代表着这段时间整体的案件数量增加（对应的事实是2013年中国此类案件数量达到峰值）。
两个组别绘制均值折线如下：
最后回归的结果是：
通过上面的模拟可以直观地看出，如果高速公路开通之后每年拐卖案件数量会存在一定时间内的递减，那么这种“不好”的2X2对照组会提供正的回归系数，这与本文附录D的表格结果是吻合的，上述不好的对照组提供了高权重的正系数，但是实际上的影响可能为负！！！
综上所述，本文数据的可靠性，以及计量方法的可信度，不足以支持本文得出高速公路开通导致拐卖案件增加的结论。
经济学尤其是计量经济学只是一个工具，工具是无所谓立场价值的，工具只有是否正确使用的区别。在我看来，本文尚且做不到正确使用计量经济学工具，尚且得不到一个从计量上可信的结果。
不希望因为这一篇论文，影响到外界对于经济学研究的看法，经济学只是我们认识了解世界的一个方式，这个方式在很多时候都是有益的，但是并不能排除有人滥用这个工具。