双重差分法的平行趋势检验：基于安慰剂检验的改进.docxVIP

双重差分法的平行趋势检验：基于安慰剂检验的改进

一、引言

在因果推断领域，双重差分法（Difference-in-Differences,DID）因其能够有效识别政策或干预的净效应，成为经济学、社会学、公共政策评估等领域最常用的方法之一。其核心逻辑在于通过比较处理组与对照组在干预前后的差异变化，剥离出干预本身的因果效应。然而，这一方法的可靠性高度依赖于“平行趋势假设”（ParallelTrendsAssumption）——即若没有干预发生，处理组与对照组的结果变量在时间维度上应保持相同的变化趋势（AngristPischke,2009）。若这一假设不成立，DID估计量可能因遗漏时间-varying混杂因素而产生偏差。

传统研究中，平行趋势检验主要依赖图形法（绘制两组时间趋势图）和回归检验（加入时间虚拟变量与处理组的交互项），但这些方法在小样本检验力、未观测因素敏感性等方面存在局限（RobertsWhited,2013）。近年来，基于安慰剂检验的改进方法逐渐被学界采纳，通过构造虚构干预场景并观察估计结果的显著性，为平行趋势假设提供了更严格的验证路径。本文将系统探讨这一改进方法的逻辑、实现路径及应用价值，以期为实证研究提供更可靠的方法论参考。

二、双重差分法的核心逻辑与平行趋势假设的地位

（一）双重差分法的基本原理

双重差分法的本质是通过“两次差分”分离出干预效应：第