多期双重差分模型的数据应该怎么整理啊 什么是双重差分模型
\u53cc\u91cd\u5dee\u5206\u6cd5\u662f\u4ec0\u4e48\uff1f\u53cc\u91cd\u5dee\u5206\u6cd5\u53c8\u53eb\u505a\u500d\u5dee\u6cd5\uff0c\u88ab\u7528\u4f5c\u653f\u7b56\u6548\u5e94\u8bc4\u4f30\uff0c\u7531\u4e8e\u53cc\u91cd\u5dee\u5206\u6cd5\u7684\u539f\u7406\u4ee5\u53ca\u6a21\u578b\u975e\u5e38\u7684\u5bb9\u6613\u7406\u89e3\u3002\u56e0\u6b64\uff0c\u53d7\u5230\u4e86\u5f88\u591a\u4eba\u7684\u559c\u7231\uff0c\u53cc\u91cd\u5dee\u5206\u6cd5\u7684\u672c\u8d28\u5c31\u662f\u9762\u677f\u6570\u636e\u56fa\u5b9a\u6548\u5e94\uff0c\u56e0\u6b64\u4ec5\u4ec5\u9700\u8981\u9762\u677f\u6570\u636e\uff0c\u5982\u679c\u53ea\u6709\u622a\u9762\u6570\u636e\u7684\u8bdd\uff0c\u662f\u4e0d\u80fd\u591f\u8fd0\u7528\u53cc\u91cd\u5dee\u5206\u6cd5\u7684\u3002
DID\u6a21\u578b\u4e2d\u5305\u62ec\u4e2a\u4f53\u4e0e\u5206\u7ec4\u865a\u62df\u53d8\u91cf\uff0c\u5982\u679c\u4e2a\u4f53\u4f1a\u53d7\u5230\u653f\u7b56\u5b9e\u65bd\u7684\u5f71\u54cd\uff0c\u90a3\u4e48\uff0c\u5206\u7ec4\u865a\u62df\u53d8\u91cf\u5c06\u4f1a\u53d61\uff0c\u5426\u5219\uff0c\u5206\u7ec4\u865a\u62df\u53d8\u91cf\u5c31\u4f1a\u53d60\uff0c\u8fd9\u6837\u4fbf\u53ef\u4ee5\u53cd\u6620\u51fa\u653f\u7b56\u5b9e\u65bd\u7684\u51c0\u6548\u5e94\u662f\u4ec0\u4e48\u6837\u7684\uff0c\u5728\u53cc\u91cd\u5dee\u5206\u6cd5\u7684\u6a21\u578b\u4e2d\uff0c\u8fd8\u9700\u8981\u6709\u81f3\u5c11\u8fbe\u4e24\u5e74\u7684\u9762\u677f\u6570\u636e\u96c6\uff0c\u8fd9\u6837\u624d\u80fd\u591f\u6b63\u786e\u7684\u53cd\u6620\u653f\u7b56\u5b9e\u65bd\u7684\u6548\u5e94\u3002
\u6269\u5c55\u8d44\u6599\uff1a
\u5173\u4e8eDID\u7684\u7a33\u5065\u6027\u68c0\u9a8c\uff0c\u4e3b\u8981\u8868\u73b0\u5728\u4e24\u4e2a\u65b9\u9762\uff1a
\uff081\uff09\u5171\u540c\u8d8b\u52bf\u7684\u68c0\u9a8c\u3002\u8fd9\u4e2a\u5047\u8bbe\u662f\u6bd4\u8f83\u96be\u9a8c\u8bc1\u7684\uff0c\u770b\u6587\u732e\u65f6\u4f1a\u53d1\u73b0\u522b\u4eba\u7ecf\u5e38\u6ca1\u6709\u505a\u8be5\u68c0\u9a8c\uff0c\u6bd4\u5982\uff0c\u5f88\u591a\u4eba\u505aDID\u65f6\u53ea\u6709\u653f\u7b56\u5b9e\u65bd\u524d\u540e\u5404\u4e00\u5e74\u7684\u6570\u636e\uff0c\u8fd9\u6837\u7684\u7684\u8bdd\u6839\u672c\u65e0\u6cd5\u9a8c\u8bc1\u653f\u7b56\u5b9e\u65bd\u524d\u7684\u8d8b\u52bf\u95ee\u9898\u3002\u4e0d\u8fc7\uff0c\u5982\u679c\u662f\u591a\u5e74\u7684\u9762\u677f\u6570\u636e\uff0c\u53ef\u4ee5\u901a\u8fc7\u753b\u56fe\u6765\u68c0\u9a8cCT\u5047\u8bbe\uff0c\u4e4b\u524d\u63a8\u8350\u7684\u90a3\u7bc7AER\u6587\u7ae0\u5c31\u753b\u4e86\u5927\u91cf\u7684\u56fe\u5f62\u5bf9\u6b64\u8fdb\u884c\u4e86\u8bf4\u660e\u3002
\uff082\uff09\u5373\u4fbf\u5904\u7406\u7ec4\u548c\u5bf9\u7167\u7ec4\u5728\u653f\u7b56\u5b9e\u65bd\u4e4b\u524d\u7684\u8d8b\u52bf\u76f8\u540c\uff0c\u4ecd\u8981\u62c5\u5fc3\u662f\u5426\u540c\u65f6\u53d1\u751f\u4e86\u5176\u4ed6\u53ef\u80fd\u5f71\u54cd\u8d8b\u52bf\u53d8\u5316\u7684\u653f\u7b56\uff0c\u4e5f\u5c31\u662f\u8bf4\uff0c\u653f\u7b56\u5e72\u9884\u65f6\u70b9\u4e4b\u540e\u5904\u7406\u7ec4\u548c\u5bf9\u7167\u7ec4\u8d8b\u52bf\u7684\u53d8\u5316\uff0c\u53ef\u80fd\u5e76\u4e0d\u771f\u6b63\u662f\u7531\u8be5\u653f\u7b56\u5bfc\u81f4\u7684\uff0c\u800c\u662f\u540c\u65f6\u671f\u5176\u4ed6\u7684\u653f\u7b56\u5bfc\u81f4\u7684\u3002\u8fd9\u4e00\u95ee\u9898\u53ef\u4ee5\u6982\u62ec\u4e3a\u5904\u7406\u53d8\u91cf\u5bf9\u4ea7\u51fa\u53d8\u91cf\u4f5c\u7528\u673a\u5236\u7684\u6392\u4ed6\u6027\u3002
\u4e3e\u4f8b\uff1a
\u73b0\u5728\u8981\u4fee\u4e00\u6761\u94c1\u8def\uff0c\u94c1\u8def\u662f\u6761\u7ebf\uff0c\u6240\u4ee5\u5fc5\u7136\u4f1a\u6709\u7a7f\u8fc7\u7684\u57ce\u5e02\u548c\u6ca1\u6709\u88ab\u7a7f\u8fc7\u7684\u57ce\u5e02\u3002\u8bb0Di=1 \u5982\u679c\u57ce\u5e02i\u88ab\u7a7f\u8fc7\uff0cDi=0 \u5982\u679c\u57ce\u5e02i\u6ca1\u6709\u88ab\u7a7f\u8fc7\u3002\u73b0\u5728\u6211\u4eec\u6bd4\u8f83\u597d\u5947\u94c1\u8def\u4fee\u597d\u4ee5\u540e\uff0c\u88ab\u94c1\u8def\u7a7f\u8fc7\u7684\u57ce\u5e02\u662f\u4e0d\u662f\u7ecf\u6d4e\u589e\u957f\u66f4\u5feb\u4e86\uff1f\u6211\u4eec\u8be5\u600e\u4e48\u505a\u5462\uff1f\u4e00\u5f00\u59cb\u7684\u60f3\u6cd5\u662f\uff0c\u6211\u4eec\u628aDi=1\u7684\u57ce\u5e02\u7684GDP\u52a0\u603b\uff0c\u51cf\u53bbDi=0\u7684\u57ce\u5e02\u7684GDP\u52a0\u603b\uff0c\u7136\u540e\u4e24\u8005\u4e00\u51cf\uff0c\u5373E(Yi|Di=1)-E(Yi|Di=0)\uff0c\u8fd9\u6837\u6211\u4eec\u5c31\u7b97\u51fa\u4e86\u4e24\u7c7b\u57ce\u5e02\u7684GDP\u7684\u5e73\u5747\u4e4b\u5dee\u3002\u8fd9\u6837\u505a\u4e0d\u7528\u8bf4\u80af\u5b9a\u6709\u95ee\u9898\u3002\u4e07\u4e00\u88ab\u94c1\u8def\u7a7f\u8fc7\u7684\u57ce\u5e02\u5728\u5efa\u94c1\u8def\u4e4b\u524dGDP\u5c31\u9ad8\u5462\uff1f\u4e3a\u4e86\u89e3\u51b3\u8fd9\u4e2a\u95ee\u9898\uff0c\u6211\u4eec\u9700\u8981\u89c2\u5bdf\u5230\u81f3\u5c11\u4e24\u671f\uff0c\u7b2c\u4e00\u671f\u662f\u5efa\u94c1\u8def\u4e4b\u524d\uff0c\u7b2c\u4e8c\u671f\u662f\u5efa\u94c1\u8def\u4e4b\u540e\u3002\u6211\u4eec\u5148\u628a\u4e24\u7c7b\u57ce\u5e02\u7684GDP\u505a\u4e24\u671f\u4e4b\u5dee\uff0c\u5373\uff1a
\u8fd9\u662f\u7b2c\u4e00\u6b21\u5dee\u5206\uff0c\u7ecf\u8fc7\u8fd9\u4e00\u6b65\uff0c\u6211\u4eec\u5b9e\u9645\u4e0a\u7b97\u51fa\u4e86\u6bcf\u4e2a\u57ce\u5e02GDP\u7684\u589e\u957f\uff08\u7387\uff0c\u5982\u679c\u53d6log\u4e4b\u540e\uff09\uff0c\u4e5f\u5c31\u662fGDP\u7684\u8d8b\u52bf\u3002\u5b8c\u4e86\u4e4b\u540e\uff0c\u8ba1\u7b97\uff1a
\u8fd9\u662f\u7b2c\u4e8c\u6b21\u5dee\u5206\u3002\u8fd9\u4e00\u6b65\u5c31\u628a\u4e24\u7c7b\u57ce\u5e02\u5728\u4fee\u5efa\u94c1\u8def\u4e4b\u524d\u548c\u4e4b\u540e\u7684GDP\u589e\u957f\u7387\u7684\u5dee\u5f02\u7ed9\u7b97\u51fa\u6765\u4e86\uff0c\u8fd9\u5c31\u662f\u6211\u4eec\u8981\u7684\u5904\u7406\u6548\u5e94\uff0c\u5373\u4fee\u5efa\u94c1\u8def\u4e4b\u540e\u5bf9\u57ce\u5e02\u7ecf\u6d4e\u7684\u4fc3\u8fdb\u4f5c\u7528\u3002\u8fd9\u4e2a\u4e1c\u897f\u4f60\u8fd8\u53ef\u4ee5\u6362\u4e00\u4e2a\u5199\u6cd5\u3002\u8bb0T=1 \u5982\u679c\u65f6\u95f4\u4e3a\u5efa\u94c1\u8def\u4e4b\u540e\uff0cT=0\u5982\u679c\u65f6\u95f4\u4e3a\u5efa\u94c1\u8def\u4e4b\u524d\uff0c\u90a3\u4e48\u6211\u4eec\u53ef\u4ee5\u5f97\u5230\u4e00\u4e2a\u8868\uff1a
Treated\u4ee3\u8868\u5728\u67d0\u4e00\u671f\uff0c\u67d0\u4e00\u7c7b\u57ce\u5e02\u662f\u4e0d\u662f\u5efa\u4e86\u94c1\u8def\u3002\u7b2c\u96f6\u671f\u80af\u5b9a\u6ca1\u6709\u5efa\u94c1\u8def\uff0c\u7b2c\u4e00\u671f\u53ea\u6709Di=1\u7684\u57ce\u5e02\u5efa\u4e86\u94c1\u8def\u3002\u6240\u4ee5Treated=Di*T\u3002\u56e0\u6b64\u6211\u4eec\u628a\u65b9\u7a0b\u5199\u6210\uff1a
\u5bf9\u65f6\u95f4\u5dee\u5206\uff0c\u5f97\u5230\uff1a
\u518d\u6b21\u5dee\u5206\uff0c\u53d6\u671f\u671b\uff1a
\u53ef\u89c1\uff0cgamma\u5c31\u662f\u6211\u4eec\u60f3\u8981\u4f30\u8ba1\u7684\u5904\u7406\u6548\u5e94\u3002\u6240\u4ee5\u5b9e\u9645\u505a\u7684\u65f6\u5019\uff0c\u53ef\u4ee5\u76f4\u63a5\u8dd1
\u8fd9\u4e2a\u5f0f\u5b50\u7684\u56de\u5f52\uff0c\u5f97\u5230\u7684\u4ea4\u53c9\u9879\u7684\u7cfb\u6570\u5c31\u662f\u6240\u8981\u4f30\u8ba1\u7684\u5904\u7406\u6548\u5e94\u3002\u7528\u4e00\u4e2a\u56fe\u8868\u793a\u5c31\u662f\uff1a
\u6240\u4ee5\u770b\u6e05\u695a\u4e86\uff0c\u8fd9\u91ccDID\u6700\u5173\u952e\u7684\u5047\u8bbe\u662fcommon trend\uff0c\u4e5f\u5c31\u662f\u4e24\u4e2a\u7ec4\u522b\u5728\u4e0d\u5904\u7406\u7684\u60c5\u51b5\u4e0b\uff0cy\u7684\u8d8b\u52bf\u662f\u4e00\u6837\u7684\u3002\u90a3\u4e48\u4f60\u4f1a\u8bf4\u4e86\uff0c\u94c1\u8def\u7a7f\u8fc7\u7684\u57ce\u5e02\u53ef\u80fd\u672c\u8eabGDP\u4e5f\u9ad8\uff0c\u800cGDP\u9ad8\u7684\u57ce\u5e02\u6309\u7167\u7406\u8bbaGDP\u589e\u957f\u7387\u53ef\u80fd\u66f4\u9ad8\u53ef\u80fd\u66f4\u4f4e\uff0c\u6240\u4ee5common trend\u7684\u5047\u8bbe\u53ef\u80fd\u662f\u4e0d\u5bf9\u7684\uff0c\u90a3\u600e\u4e48\u529e\uff1f\u5982\u679c\u8fd9\u4e2a\u95ee\u9898\u5b58\u5728\uff0c\u6211\u4eec\u53ef\u4ee5\u8fdb\u4e00\u6b65\u5047\u8bbe\u5728\u63a7\u5236\u4e86\u67d0\u4e9b\u5916\u751f\u53d8\u91cf\u4e4b\u540e\uff0ccommon trend\u662f\u5bf9\u7684\uff0c\u6bd4\u5982\u4e0a\u4e2a\u95ee\u9898\uff0c\u6211\u4eec\u53ef\u4ee5\u63a7\u5236\u57ce\u5e02\u5728t=0\u671f\u7684GDP level\u3002\u5f53\u6211\u4eec\u63a7\u5236\u5176\u4ed6\u53d8\u91cf\u4e4b\u540e\uff0c\u81ea\u7136\u4e0d\u80fd\u76f4\u63a5\u51cf\u4e24\u6b21\u4e86\uff0c\u6211\u4eec\u9700\u8981\u7528\u4e0a\u9762\u8bf4\u7684\u56de\u5f52\u5f0f\u5b50\uff0c\u5373run the following OLS:
1\u3001\u53cc\u91cd\u5dee\u5206\u6a21\u578b\uff08difference-in-difference\uff0cDID\uff09\u8fd1\u5e74\u6765\u591a\u7528\u4e8e\u8ba1\u91cf\u7ecf\u6d4e\u5b66\u4e2d\u5bf9\u4e8e\u516c\u5171\u653f\u7b56\u6216\u9879\u76ee\u5b9e\u65bd\u6548\u679c \u7684\u5b9a\u91cf\u8bc4\u4f30\u3002 2\u3001\u901a\u5e38\u5927\u8303\u56f4\u7684\u516c\u5171\u653f\u7b56\u6709\u522b\u4e8e\u666e\u901a\u79d1\u7814\u6027\u7814\u7a76\uff0c\u96be\u4ee5\u4fdd\u8bc1\u5bf9\u4e8e\u653f\u7b56\u5b9e\u65bd\u7ec4\u548c\u5bf9\u7167\u7ec4\u5728\u6837\u672c\u5206\u914d\u4e0a\u7684\u5b8c\u5168\u968f\u673a\u3002
3\u3001\u975e\u968f\u673a\u5206\u914d\u653f\u7b56\u5b9e\u65bd\u7ec4\u548c\u5bf9\u7167\u7ec4\u7684\u8bd5\u9a8c\u79f0\u4e3a\u81ea\u7136\u8bd5\u9a8c\uff08naturaltrial\uff09\uff0c\u6b64\u7c7b\u8bd5\u9a8c\u5b58\u5728\u8f83\u663e\u8457\u7684\u7279\u70b9\uff0c\u5373\u4e0d\u540c\u7ec4\u95f4\u6837\u672c\u5728\u653f\u7b56\u5b9e\u65bd\u524d\u53ef\u80fd\u5b58\u5728\u4e8b\u524d\u5dee\u5f02\uff0c\u4ec5\u901a\u8fc7\u5355\u4e00\u524d\u540e\u5bf9\u6bd4\u6216\u6a2a\u5411\u5bf9\u6bd4\u7684\u5206\u6790\u65b9\u6cd5\u4f1a\u5ffd\u7565\u8fd9\u79cd\u5dee\u5f02\uff0c\u7ee7\u800c\u5bfc\u81f4\u5bf9\u653f\u7b56\u5b9e\u65bd\u6548\u679c\u7684\u6709\u504f\u4f30\u8ba1\u30024\u3001DID\u6a21\u578b\u6b63\u662f\u57fa\u4e8e\u81ea\u7136\u8bd5\u9a8c\u5f97\u5230\u7684\u6570\u636e\uff0c\u901a\u8fc7\u5efa\u6a21\u6765\u6709\u6548\u63a7\u5236\u7814\u7a76\u5bf9\u8c61\u95f4\u7684\u4e8b\u524d\u5dee\u5f02\uff0c\u5c06\u653f\u7b56\u5f71\u54cd\u7684\u771f\u6b63\u7ed3\u679c\u6709\u6548\u5206\u79bb\u51fa\u6765\u3002
双重差分法，英文名Differences-in-Differences，别名“倍差法”，小名“差中差”。作为政策效应评估方法中的一大利器，双重差分法受到越来越多人的青睐，概括起来有如下几个方面的原因：
（1）可以很大程度上避免内生性问题的困扰：政策相对于微观经济主体而言一般是外生的，因而不存在逆向因果问题。此外，使用固定效应估计一定程度上也缓解了遗漏变量偏误问题。
（2）传统方法下评估政策效应，主要是通过设置一个政策发生与否的虚拟变量然后进行回归，相较而言，双重差分法的模型设置更加科学，能更加准确地估计出政策效应。
（3）双重差分法的原理和模型设置很简单，容易理解和运用，并不像空间计量等方法一样让人望而生畏。
（4）尽管双重差分法估计的本质就是面板数据固定效应估计，但是DID听上去或多或少也要比OLS、FE之流更加“时尚高端”，因而DID的使用一定程度上可以满足“虚荣心”。
绛旓細璇ユā鍨涓嶉渶瑕佺浉绛夈鍙岄噸宸垎妯″瀷鏄竴绉嶇敤浜庡鐞嗛潰鏉挎暟鎹垨鏃堕棿搴忓垪鏁版嵁鐨勭粡娴庤閲忔ā鍨嬶紝閫氳繃涓ゆ宸垎澶勭悊鍙互娑堥櫎涓閮ㄥ垎鏁版嵁涓殑涓綋鎴栨椂闂村浐瀹氭晥搴旓紝浠庤屾洿鍑嗙‘鍦颁及璁″彉閲忎箣闂寸殑鍏崇郴銆傚彲浠ラ氳繃姣旇緝宸垎鍚鐨勬暟鎹鏉ュ垎鏋愬彉閲忎箣闂寸殑鑱旂郴锛岃屼笉鍙椾釜浣撳浐瀹氭晥搴斿拰鏃堕棿瓒嬪娍鐨勫奖鍝嶃
绛旓細鑷冲皯涓ゅ勾銆鍙岄噸宸垎妯″瀷锛圖ifferenceinDifferences锛岀畝绉癉ID锛夋槸涓绉嶅父鐢ㄤ簬鍏叡鏀跨瓥鎴栭」鐩疄鏂芥晥鏋滆瘎浼扮殑鏂规硶銆傚湪浣跨敤DID妯″瀷杩涜鐮旂┒鏃讹紝瑕佹弧瓒充互涓嬪嚑涓叧閿潯浠讹細蹇呴』瀛樺湪涓涓叿鏈夎瘯鐐规ц川鐨勬斂绛栧啿鍑伙紝杩欐牱鎵嶈兘鎵惧埌澶勭悊缁勫拰瀵圭収缁勶紝閭ｇ涓娆℃у叏閾哄紑鐨勬斂绛栧苟涓嶉傜敤浜嶥ID鍒嗘瀽锛涘繀椤诲叿鏈変竴涓浉搴旂殑鑷冲皯涓ゅ勾锛堟斂绛...
绛旓細浣嗘槸杩欐牱涓嶈兘淇濊瘉鏀跨瓥瀹炴柦鍓嶏紝涓や釜宸炵殑鑰佸勾浜哄仴搴风姸鍐垫湁鐩稿悓鐨勬椂闂磋秼鍔裤傝冭檻鏋勫缓涓夐噸宸垎妯″瀷锛岄鍏堝皢B宸65宀佸強浠ヤ笂浜虹兢浣滀负瀹為獙缁勶紝65宀佷互涓嬩汉缇や綔涓哄鐓х粍锛岀劧鍚庝娇鐢ˋ宸鐨勬暟鎹琛￠噺A宸炵殑骞磋交浜哄拰鑰佸勾浜虹殑鍋ュ悍鐘跺喌闅忔椂闂村彉鍖栫殑涓嶅悓瓒嬪娍锛屾渶鍚庡啀浠鍙岄噸宸垎鐨勭粨鏋滀腑鎶婅繖涓涓嶅悓鍑忓幓锛屽氨鑳戒及璁″嚭鏀跨瓥鏁堝簲銆
绛旓細鐒跺悗鍐嶅宸垎鍚鐨勬暟鎹杩涜涓娆″樊鍒嗐2銆佸鍘熷鏁版嵁杩涜绉诲姩骞冲潎锛屼互渚挎秷闄ゆ暟鎹腑鐨勫櫔澹帮紝鐒跺悗鍐嶅绉诲姩骞冲潎鍚庣殑鏁版嵁杩涜涓娆″樊鍒嗐3銆佸鍘熷鏁版嵁杩涜绉诲姩骞冲潎锛屼互渚挎秷闄ゆ暟鎹腑鐨勫櫔澹帮紝鐒跺悗鍐嶅绉诲姩骞冲潎鍚庣殑鏁版嵁杩涜鍔犳潈骞冲潎銆4銆佸鍘熷鏁版嵁杩涜涓娆″樊鍒嗭紝鐒跺悗鍐嶅宸垎鍚庣殑鏁版嵁杩涜鑷洖褰妯″瀷鍒嗘瀽銆
绛旓細娣卞叆瑙ｆ瀽锛鍙岄噸宸垎妯″瀷锛圖ifference-in-Differences, DID锛夌殑鍘熺悊涓庡簲鐢ㄤ綘鏄惁鏇惧ソ濂囧浣曞湪鐮旂┒涓簿纭 閲忎竴椤规斂绛栨垨浜嬩欢瀵圭粡娴庣殑褰卞搷锛熺瓟妗堝彲鑳藉氨鍦ㄥ弻閲嶅樊鍒嗘ā鍨嬶紙Difference-in-Differences, DID锛変腑銆傜畝鍗曟潵璇达紝DID鏄竴绉嶅己澶х殑宸ュ叿锛岄氳繃宸у鍦板姣斾袱缁鏁版嵁锛屾秷闄ゆ綔鍦ㄧ殑鍋忓樊锛屼负鎴戜滑鎻ず鍑烘斂绛栧疄鏂藉悗鐨勭湡姝...
绛旓細鍙岄噸宸垎妯″瀷鍦ㄦ斂绛栬瘎浼颁腑鎵紨鐫鍏抽敭瑙掕壊锛屽挨鍏舵槸鍦ㄨ瘎浼版笎杩涘紡鏀跨瓥鏀归潻鏁堟灉鏃讹紝鍏舵ā鍨嬫嫙鍚堟晥鏋滄樉钁椼侱ID鏂规硶鐨勬牳蹇冨湪浜庨氳繃鍑嗚嚜鐒跺疄楠屽皢鐮旂┒瀵硅薄鍒嗕负澶勭悊缁勫拰瀵圭収缁勶紝澶勭悊缁勫彈鏀跨瓥鐩存帴褰卞搷锛岃屽鐓х粍鍒欎笉鍙楁斂绛栧奖鍝嶃傝瘎浼版斂绛栨晥搴旀椂锛岄渶姣旇緝鏀跨瓥瀹炴柦鍓嶅悗澶勭悊缁勭殑鍙樺寲锛屼絾闇鎺掗櫎鏃堕棿鏁堝簲鐨勫奖鍝嶃備负姝わ紝閫氳繃姣旇緝...
绛旓細妫鏌ユ暟鎹拰妯″瀷銆1銆侀鍏堬紝闇瑕佷粩缁嗘鏌ヤ綘鐨勬暟鎹鍜屾ā鍨嬨2銆佸叾娆★紝姝ｇ‘鍦版崟鎹変簡鎵鏈夊奖鍝嶇粨鏋滅殑鍥犵礌銆3銆佹渶鍚庢帓鍑哄悇椤瑰洜绱犲悗锛鍙岄噸宸垎鏁堟灉鍗冲彲鏇存敼闂銆
绛旓細鍙岄噸宸垎妯″瀷(Differences-in-Differences,DID)鏄父鐢ㄤ簬鏀跨瓥璇勪及鏁堝簲鐮旂┒锛屾瘮濡傜爺绌垛橀紦鍔变笂甯傛斂绛栤欍佲樺紑閫氭勃娓氣欍佲樺紑閫氶珮閾佲欍佲樺紩鍏ユ柊鏁欒偛妯″紡鈥欑瓑鏁堝簲鏃讹紝鍒嗘瀽鏁堝簲甯︽潵鐨勫奖鍝嶆儏鍐点傚弻閲嶅樊鍒嗘ā鍨嬶紙difference-in-differences锛変富瑕佽鐢ㄤ簬绀句細瀛︿腑鐨勬斂绛栨晥鏋滆瘎浼般傚叾鍘熺悊鏄熀浜庝竴涓弽浜嬪疄鐨勬鏋舵潵璇勪及鏀跨瓥...
绛旓細鏄鍙岄噸宸垎妯″瀷鏄閲忕粡娴庡涓殑涓绉嶅父瑙佺殑妯″瀷锛璇ユā鍨嬫暟鎹瑕佹眰浠庝竴寮濮嬪氨鏄湁鐨勶紝璇ユā鍨嬬殑浣滅敤鏄帰绌朵竴椤瑰疄楠屾垨涓涓簨浠剁殑褰卞搷锛屾湁鍒簬鍒荤敾绠鍗曠殑鐩稿叧鍏崇郴鐨勭嚎鎬у洖褰掞紝鍙岄噸宸垎鏄叧浜庡洜鏋滄帹鏂殑灏忓阀銆佸疄鐢ㄧ殑妯″瀷銆
绛旓細鍙岄噸宸垎妯″瀷锛圖ID锛夋槸涓绉嶅湪缁忔祹瀛︿腑甯哥敤鐨勮瘎浼版柟娉曪紝鐗瑰埆鏄湪鎺㈢┒鍏叡鏀跨瓥鎴栭」鐩疄鏂芥晥鏋滄椂銆傚畠鐗瑰埆閫傜敤浜庡鐞嗛潪闅忔満鍒嗛厤鐨勬斂绛栫幆澧冿紝濡傞搧璺缓璁捐繖绫诲ぇ鍨嬪叕鍏遍」鐩紝鍙兘浼氳嚜鐒跺湴褰卞搷鍒板煄甯傜粡娴庛傝鎯虫垜浠鐮旂┒閾佽矾寮閫氬鍩庡競缁忔祹澧為暱鐨勫奖鍝嶃傞鍏堬紝鎴戜滑瑙傚療閾佽矾绌胯繃锛圖i=1锛夌殑鍩庡競涓庢湭琚┛杩囩殑鍩庡競锛圖i=0...
