双重差分法平行趋势检验的安慰剂优化.docxVIP

双重差分法平行趋势检验的安慰剂优化

一、引言

在因果推断领域，双重差分法（Difference-in-Differences,DID）因能有效识别政策干预或外部冲击的净效应，成为应用计量经济学中最常用的方法之一。其核心逻辑在于通过“处理组-对照组”与“干预前-干预后”的双重差分，剥离时间趋势与个体差异的干扰，从而估计处理效应。然而，这一方法的可靠性高度依赖“平行趋势假设”（ParallelTrendAssumption）——即若未发生干预，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估计量将存在偏差，结论的可信度将大打折扣。

传统的平行趋势检验主要通过事件研究法（EventStudy）或预处理期回归实现，即检验干预前处理组与对照组的结果变量是否存在显著差异。但实践中，这类方法面临多重挑战：预处理期数据不足可能导致检验功效低下（Roth,2022）；序列相关性会高估检验统计量的显著性（Bertrandetal.,2004）；更关键的是，传统检验仅能验证“过去的平行”，无法直接证明“未来的平行”。在此背景下，安慰剂检验（PlaceboTest）作为一种反事实模拟方法，逐渐成为平行趋势检验的重要补充。通过人为构造“伪处理组”或“伪干预时间”，观察估计结果是否趋近于零，安慰剂检验能更直接