双重差分

这是一篇关于双重差分思维导图， 总结了基本思想、 前提条件、模型设定、 稳健性检验等。

双重差分

• 基本思想
  • 政策实施前后差异比较
    • 对照组
    • 处理组
    • 双重差分统计量
• 前提条件
  • 共同趋势（Common Trends）
    • 处理组和对照组在政策实施之前必须具有相同的发展趋势
• 适用
  • 面板数据
  • 使用DID必须满足以下两个关键条件
    • 必须存在一个具有试点性质的政策冲击，这样才能找到处理组和对照组，那种一次性全铺开的政策并不适用于DID分析
    • 必须具有一个相应的至少两年（政策实施前后各一年）的面板数据集
• 模型设定
  • 基准的DID模型
    • • du为分组虚拟变量
        • 若个体i受政策实施的影响，则个体i属于处理组，对应的du取值为1，若个体i不受政策实施的影响，则个体i属于对照组，对应的du取值为0
      • dt为政策实施虚拟变量
        • 政策实施之前dt取值为0，政策实施之后dt取值为1
      • du·dt为分组虚拟变量与政策实施虚拟变量的交互项
        • 系数X3
          • 反映了政策实施的净效应
  • 别人的基准模型和模型
    • • 更常见
      • 只有交互项du·dt，而缺失了du和dt
        • • 个体固定效应，更为精确地反映了个体特征，替代了原来粗糙的分组变量du
        • • 时间固定效应，更为精确地反映了时间特征，替代了原来粗糙的政策实施变量dt
• 稳健性检验
  • 共同趋势的检验
    • 做的人少
  • 处理组和对照组在政策实施之前：趋势相同
    • 政策干预时点之后处理组和对照组趋势的变化：趋势相同
      • 可能并不真正是由该政策导致的，而是同时期其他的政策导致的
        • 措施
          • 安慰剂检验，即通过虚构处理组进行回归
            • a）选取政策实施之前的年份进行处理，比如原来的政策发生在2008年，研究区间为2007-2009年，这时可以将研究区间前移至2005-2007年，并假定政策实施年份为2006年，然后进行回归；
            • b）选取已知的并不受政策实施影响的群组作为处理组进行回归。如果不同虚构方式下的DID估计量的回归结果依然显著，说明原来的估计结果很有可能出现了偏误。
          • 可以利用不同的对照组进行回归，看研究结论是否依然一致
          • 选取一个完全不受政策干预影响的因素作为被解释变量进行回归，如果DID估计量的回归结果依然显著，说明原来的估计结果很有可能出现了偏误
        • 处理变量对产出变量作用机制的排他性
• • 红色虚线表示的是假设政策并未实施时处理组的发展趋势