双重差分/倍分法did分类及数据要求
DID是用来做政策评价常用的模型，did估计本质上是面板固定效应估计。
du 表明了一刀切政策无法适用DID；dt表明了截面数据无法使用。
很多时候，大家在看使用DID的文献时，会发现别人的基准模型和模型（1）并不完全一致，别人的模型如下：
别人的模型里只有交互项du·dt，而缺失了du和dt，是哪里出问题了么？并没有，模型（1）和（2）本质还是一样的，且模型（2）在多年面板数据集里更为常见。模型（2）中，
为个体固定效应，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；
为时间固定效应，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。因而，du和dt并未真正从模型中消失，只是换了个马甲。模型（2）事实上就是一个 双向固定效应模型 ，这也是为什么DID方法一定程度上可以减轻遗漏变量偏误的原因（主要是消除那些不可观测的非时变因素，为了使估计结果尽可能准确，模型中还是要加入控制变量）。
在传统与经典DID的模型设定中，一个隐含假设是，处理组的所有个体开始受到政策冲击的时间均完全相同。但有时也会遇到每位个体的处理期不完全一致的情形（heterogeneous timing）；比如，某项试点政策在不同城市分批推出。此时，可使用“异时DID”（heterogeneous timing DID）。
（既依赖于个体 i ，也依赖于时间 t ）。具体而言，异时DID的模型设定为
。这意味着，第1位个体从第3期开始受到政策处理，第2个体从第4期开始受到政策冲击，而第3位个体从未受到政策冲击（属于控制组）；以此类推。
稳健性检验：
即便处理组和对照组在政策实施之前的趋势相同，仍要担心是否同时发生了其他可能影响趋势变化的政策，也就是说，政策干预时点之后处理组和对照组趋势的变化，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。这一问题可以概括为处理变量对产出变量作用机制的排他性，对此，可以进行如下的检验：
A. 安慰剂检验，即通过虚构处理组进行回归，具体可以：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。
B. 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。
C. 可以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。等等。
尽管DID的基本原理很简单，但其实际运用十分灵活，并不是上面一点内容可以介绍完的，大家应当多去看相关的文献，然后多做总结。关于DID的一些扩展内容，比如DDD、PSM-DID等，以后再跟大家细说。
代做DID分析， 联系 扣 29997442
绛旓細鎺㈣澶氭湡DID涓鍙岄噸宸垎鏂规硶锛氭繁鍏ヨВ鏋愪笌搴旂敤鍦ㄧ粡娴庡鍜岀粺璁″鐮旂┒涓紝鍙岄噸宸垎(Difference-in-Differences, DID)鏄竴绉嶅己澶х殑宸ュ叿锛岀敤浜庝及璁℃斂绛栨垨浜嬩欢褰卞搷鐨勫洜鏋滃叧绯汇傚綋娑夊強鍒板鏈熷垎鏋愭椂锛岀悊瑙ｅ浣曢傚簲鍜屾墿灞曡繖涓鏂规硶鑷冲叧閲嶈銆傜畝鍗曟潵璇达紝DID鐨勬牳蹇冩濇兂鏄氳繃姣旇緝鍦ㄦ斂绛栧疄鏂藉墠鍚庯紝鐗瑰畾涓綋鎴栫兢浣撳湪涓嶅悓鏃堕棿...
绛旓細棰樹富鏄惁鎯宠闂滄柇鐐瑰洖褰掑拰鍙岄噸宸垎鍖哄埆鏄粈涔堬紵鈥濄1銆佹柇鐐瑰洖褰掓槸涓涓◢寰瀛︿竴鐐圭殑鎬濈淮鏂瑰紡锛屾牴鎹缃彉閲忕殑鏌愪竴涓复鐣屽间綔涓烘柇鐐瑰睍寮鍒嗘瀽锛屽涓烘í鎴潰鏁版嵁銆2銆佸弻閲嶅樊鍒嗭紝椤惧悕鎬濅箟灏辨槸宸垎涓ゆ锛屽鐢ㄤ簬鍏叡鏀跨瓥鎴栭」鐩疄鏂芥晥鏋滆瘎浼般
绛旓細鏍锋湰鏁版嵁涓嶅悓锛屽垎鏋愭柟娉曚笉鍚屻1銆佹牱鏈暟鎹笉鍚岋細澶氭椂鐐鍙岄噸宸垎妯″瀷鏄湪澶氫釜鏃堕棿鐐逛笂鏀堕泦鏁版嵁锛岃屽崟鏃剁偣妯″瀷鍒欐槸鍦ㄤ竴涓壒瀹氱殑鏃堕棿鐐逛笂鏀堕泦鏁版嵁銆2銆佸垎鏋愭柟娉曚笉鍚岋細澶氭椂鐐瑰弻閲嶅樊鍒嗘ā鍨嬮氳繃姣旇緝鏀跨瓥瀹炴柦鍓嶅悗锛屼互鍙婂疄楠岀粍鍜屽鐓х粍鐨勫樊寮傛潵鍒嗘瀽鏀跨瓥鏁堟灉锛岃屽崟鏃剁偣妯″瀷鍒欐槸鍩轰簬涓涓椂闂寸偣鐨勬暟鎹潵杩涜缁熻鍒嗘瀽銆
绛旓細鍙岄噸宸垎妯″瀷锛坉ifference-in-difference锛孌ID锛夎繎骞存潵澶氱敤浜庤閲忕粡娴庡涓浜庡叕鍏辨斂绛栨垨椤圭洰瀹炴柦鏁堟灉 鐨勫畾閲忚瘎浼般傞氬父澶ц寖鍥寸殑鍏叡鏀跨瓥鏈夊埆浜庢櫘閫氱鐮旀х爺绌讹紝闅句互淇濊瘉瀵逛簬鏀跨瓥瀹炴柦缁勫拰瀵圭収缁勫湪鏍锋湰鍒嗛厤涓婄殑瀹屽叏闅忔満銆傞潪闅忔満鍒嗛厤鏀跨瓥瀹炴柦缁勫拰瀵圭収缁勭殑璇曢獙绉颁负鑷劧璇曢獙锛坣aturaltrial锛夛紝姝ょ被璇曢獙瀛樺湪杈冩樉钁楃殑...
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...
绛旓細璇ユā鍨嬩笉闇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庣殑鏁版嵁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
绛旓細娣卞叆瑙ｆ瀽锛氭斂绛栧彉杩佷笌鍦板尯缁忔祹鐨勫姩鎬佸奖鍝嶁斺鍙岄噸宸垎DID鎶鏈殑瀹炶返搴旂敤 鍙岄噸宸垎DID锛圖ifference-in-Differences, DID锛夋槸涓绉嶅己澶х殑宸ュ叿锛屽畠閫氳繃瀵规瘮鏀跨瓥瀹炴柦鐨勫疄楠岀粍鍜屾湭鍙楀奖鍝嶇殑瀵圭収缁勶紝鎸栨帢鏀跨瓥瀹炴柦鍓嶅悗缁忔祹鎸囨爣鐨勫彉鍖栵紝鎻ず鏀跨瓥鐨勫噣褰卞搷銆備互1994骞翠腑鍥介儴鍒嗗湴鍖烘斂绛栦负渚嬶紝鎴戜滑鍏虫敞鐨勬槸鏀跨瓥濡備綍褰卞搷GDP澧為暱...
绛旓細璇ユ儏鍐典釜鏁版病鏈夎姹傘鍙岄噸宸垎娉曞湪澶勭悊瀹為獙缁勫拰瀵圭収缁勬椂锛屽苟娌℃湁纭ц瀹氶渶瑕佷袱缁勭殑鏍锋湰鏁伴噺銆傚湪瀹為檯搴旂敤涓紝濡傛灉澶勭悊缁勫拰瀵圭収缁勭殑鏍锋湰閲忓樊寮傝緝澶э紝鍙兘浼氬浼拌缁撴灉浜х敓涓瀹氬奖鍝嶏紝鍏蜂綋褰卞搷绋嬪害鍙栧喅浜庡叿浣撶殑鐮旂┒璁捐鍜屾牱鏈儏鍐点傛牱鏈暟閲忓瓨鍦ㄨ緝澶у樊寮傦紝鍙兘闇瑕侀氳繃鍏朵粬鏂规硶鏉ュ讥琛ワ紝浠ョ‘淇濈爺绌剁粨鏋滅殑鍙潬鎬с
绛旓細RRR绯绘暟鍦鍙岄噸宸垎妯″瀷涓殑浣滅敤鏄 閲忓鐞嗙粍鍜屽鐓х粍涔嬮棿鐨勫樊寮傘傚弻閲嶅樊鍒嗘ā鍨嬫槸涓绉嶇敤浜庤瘎浼版斂绛栨垨骞查鎺柦鏁堟灉鐨勭粺璁℃柟娉曪紝瀹冮氳繃姣旇緝澶勭悊缁(鍗虫帴鍙楀共棰勭殑浜虹兢)鍜屽鐓х粍(鍗虫湭鎺ュ彈骞查鐨勪汉缇)涔嬮棿鐨勫樊寮傛潵浼拌骞查鐨勬晥鏋溿傚湪鍙岄噸宸垎妯″瀷涓紝RRR绯绘暟琛ㄧず澶勭悊缁勫拰瀵圭収缁勪箣闂寸殑骞冲潎澶勭悊鏁堝簲(AverageTreatment...
绛旓細鍙岄噸宸垎妯″瀷鍦ㄦ斂绛栬瘎浼拌瘎浼颁腑琚箍娉涘簲鐢ㄣ備篃鏄湪瀹炶瘉鐮旂┒涓潪甯搁噸瑕佺殑涓绉嶆ā鍨嬫瀯寤猴紝DID鏂规硶涓昏鐢ㄤ簬鏀跨瓥璇勪及锛屽挨鍏舵槸瀵规垜鍥芥笎杩涘紡鏀跨瓥鏀归潻鐨勮瘎浼帮紝鍏锋湁寰堝ソ鐨勬ā鍨嬫嫙鍚堟晥鏋溿侱ID鏂规硶鍒╃敤鏀跨瓥鐨勫噯鑷劧瀹為獙灏嗙爺绌跺璞￠殢鏈虹殑鍒嗘垚澶勭悊缁勫拰瀵圭収缁勶紝鍏朵腑鍙楁斂绛栧奖鍝嶇殑涓綋绉颁负澶勭悊缁勶紝鍙嶄箣鏄鐓х粍銆備负浜嗕及璁℃斂绛栨晥搴旓紝...
