使用新的 estat moderation 命令，可在拟合异质性双重差分（DID）模型后快速估计调节效应。此功能现在是 StataNow™ 的一部分。使用 Stata 的 hdidregress twfe 和xthdidregress twfe 命令来估计异质性平均处理效应（ATET）的研究人员有时希望获得协变量的调节效应，这些效应表明 ATET 如何随协变量的变化而变化。现在您可以使用estat moderation后估计命令来报告模型中包含的所有协变量或感兴趣的子集的调节效果。让我们看看实际案例我们获得了有关美国养犬俱乐部（AKC）注册量的虚构未来数据，并希望探讨某犬种在电影中担任主角（movie）对其注册数量（registered）的影响。我们推测，如果该犬种在电影中担任主角，其注册数量会增加。我们还推测，在 2034 年之前的 10 年里，如果该犬种获得过Westminster Kennel Club的颁发的最佳表演奖（best），其注册数量也会增加。我们的样本中，共有 141 种犬类，时间跨度为 2031 年至 2040 年。样本初期没有任何犬种出现在电影中。这种情况在 2034 年发生了变化，当年有 4 种犬种出现在电影中。接下来犬种出现在电影中的数量有所增加是在 2036 年，当年又有 7 种犬种出现在电影中。2037，这一数字大幅增加，新增了22个品种。此后，出现电影中的犬种数量再无增加。首先加载数据并执行xtset：

我们使用xthdidregress命令的 twfe子命令，通过双向固定效应估计器估算ATETs。

我们关注的是平均处理效应（ATETs）如何随协变量best而变化。我们可以按组别对获得最佳展示奖的犬种进行统计：

我们发现，在2037年的处理组中，没有犬种获得该奖项。这意味着无法估计该组别的调节效应。不过，我们可以计算其他组别的调节效应。

结果呈现分化趋势。在2037年，对于2034年和2036年两个队列的数据分析显示，获得最佳展示奖的犬种平均处理效应（ATETs）明显高于其他犬种，效应值分别为1057.350和1017.032。而其余队列的ATETs结果则未能呈现明确结论，部分甚至表现为负向效应。