DID双重差分结果解读：平行趋势假定与处理效应.docxVIP

DID差分结果解读

一、方法概述

双重差分模型（Difference-in-Differences，DID）是评估政策、事件或干预措施效果的经典方法。它的核心思想不是简单比较实验组和控制组，也不是单独比较政策前后，而是同时考察两组在前后两个时期的变化差，从而识别净效应。只要模型设定合理，交互项treated×time的系数就可以被解释为政策或事件带来的双重差分效应。

本次输出包含样本分布、DID效应汇总、实验前后t检验以及OLS回归结果。解读时应重点关注四个问题：样本结构是否满足DID基本格式；实验前后两组差异如何变化；交互项是否显著以及方向为何；模型识别是否存在需要谨慎说明的前提问题。尤其是平行趋势假设，虽然在软件结果中常通过实验前比较做初步提示，但从严格研究设计看，仅有单个基期并不足以完全验证趋势假设，因此正式写作时需要在结论中保留必要的审慎表述。

在SPSSAU【计量经济研究】模块选择【DID差分】，将变量拖拽至右侧对应分析框，操作如下图：

二、样本结构与总体差分结果

表1显示，控制组和实验组在实验前后均各有80个样本，总样本量为320，四个交叉单元格均不为空，说明数据形式满足DID最基本的“2×2结构”要求。并且两组在前后两个时期的样本量完全对称，这有利于减少由于样本分布不均衡而带来的识别偏差。就形式而言，本研究的数据框架适合开展DID估计。

表2给出了最核心的DID结