双重差分法中处理组与控制组的匹配标准（熵平衡）.docxVIP

双重差分法中处理组与控制组的匹配标准（熵平衡）

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措施的净效应，成为公共政策评估、经济学研究中广泛应用的方法。其核心逻辑在于通过比较处理组（接受干预的群体）与控制组（未接受干预的群体）在干预前后的差异变化，剥离时间趋势与个体异质性的干扰，最终得到干预的因果效应。然而，DID的有效性高度依赖“平行趋势假设”——即若未发生干预，处理组与控制组的结果变量应保持相同的变化趋势。若两组在干预前存在系统性差异（如协变量分布不均衡），这一假设将被破坏，导致估计结果出现偏差（CardKrueger，1994）。

为解决这一问题，研究者通常需要对处理组与控制组进行匹配，使两组在关键协变量上尽可能相似。传统匹配方法（如倾向得分匹配、最近邻匹配）虽能在一定程度上平衡协变量，但普遍存在“维度灾难”（高维协变量难以处理）、“平衡-保留”权衡（平衡效果与样本量的矛盾）等缺陷。近年来，一种基于信息熵理论的新型匹配方法——熵平衡（EntropyBalancing）逐渐受到关注。它通过最大化信息熵的方式自动生成控制组权重，能够同时平衡协变量的均值、方差甚至高阶矩，为DID中处理组与控制组的匹配提供了更高效、更稳健的标准（Hainmueller，2012）。本文将围绕熵平衡作为DID匹配标