DID双重差分法分析和总结.pdfVIP

DID 双重差分法 双重差分法的平行趋势假定 双重差分法是估计处理效应的常见方法，但也有被滥用的倾向，因为有些应用者对于双重差分法的优 点与局限缺乏了解，特别是其潜在的平行趋势（ parallel trend ）假定 …… 差分法的局限 经济学家常关心某政策实施后的效应，比如对于收入（ y ）的作用。最简单（天真）的做法是比较 处理组（即受政策影响的地区或个体）的前后差异，比如 这称为 “差分估计量 ”（difference estimator ），即将处理组（ treatment group ）政策实施后的样本 均值，减去政策实施前的样本均值。然而，由于宏观经济环境也随时间而变（时间效应），故政策实施地 区的前后差异未必就是处理效应（ treatment effects ）。 双重差分法的反事实逻辑 为了解决差分法的局限性，常用方法是寻找适当的控制组（ control group ），即未实施政策的地区 （或未参加项目的个体），作为处理组的反事实（ counterfactual ）参照系。具体来说，可将未受政策影 响的控制组之前后变化视为纯粹的时间效应，即 综合以上两个差分，即将处理组的前后变化减去控制组的前后变化，可得到对于政策处理效应更为可 靠的估计： (1) 这就是所谓的双重差分估计量（ Difference in Differences ，简记 DD 或 DID ），因为它是处理组差 分与控制组差分之差。该法最早由 Ashenfelter （1978 ）引入经济学，而国内最早的应用或为周黎安、陈 烨（ 2005 ）。 从以上推理可知， DID 的反事实逻辑能够成立，其基本前提是，处理组如果未受到政策干预，其时间 效应或趋势应与控制组一样（故可以后者来控制时间效应），这就是所谓的 “平行趋势 ”（parallel trend ） 或 “共同趋势 ”（common trend ）假定。下图直观地展示了 DID 的思想与平行趋势假定。 其中， t = 1 表示政策实施前（ before ），而 t = 2 表示政策实施后（ after ）。然而，通过双重差分 得到的 DID 估计量并不易计算其标准误，无法加入控制变量，也不易推广到多期数据。故在实践中，一般 通过回归的方法来得到 DID 估计量。 双重差分法的回归模型 考虑以下面板模型： (2) 其中， Gi 为分组虚拟变量（处理组 =1 ，控制组 =0 ），表示处理组与控制组的固有差异（无论是否实 施政策都存在）； Dt 为分期虚拟变量（政策实施后 =1 ，政策实施前 =0 ，允许使用多期数据），表示政策 实施前后的时间效应（即使不实施政策也存在）；而交互项 Gi ·Dt 才真正表示处理组在政策实施后的效 应，即处理效应。这是因为，处理组在政策干预之后的期望值为： 而处理组在政策干预之前的期望值为： 故处理组期望值的前后变化为： (3) 另一方面，控制组在政策干预之后的期望值为：