双重差分法（DID）处理效应异质性识别.docxVIP

双重差分法（DID）处理效应异质性识别

作为社会科学领域应用最广泛的因果推断方法之一，双重差分法凭借清晰的识别逻辑和相对宽松的假定条件，在公共政策评估、劳动经济学、发展经济学等领域得到了大量应用。传统双重差分法主要关注处理组的平均处理效应，即政策干预对处理组个体的平均影响，这一分析框架在简化估计过程的同时，也隐含了处理效应同质性的强假定，默认所有接受处理的个体受到的政策影响完全一致。然而现实经济社会中，政策效应往往因个体特征、实施时间、干预强度的不同而存在显著差异，仅仅关注平均效应不仅会掩盖政策的分配效应，甚至可能导致估计结果本身出现偏误。尤其是近年来多期交错DID设计的广泛应用，处理效应异质性已经从实证分析中的附加检验内容，上升为影响因果识别可靠性的核心问题，相关的方法创新与实践规范也成为计量经济学领域的研究热点。本文将从异质性问题的缘起出发，系统梳理DID处理效应异质性的核心维度，总结当前主流的异质性识别方法，并结合实践中的常见误区提出规范建议，以期为相关研究提供更清晰的异质性分析框架。

一、双重差分法的基本逻辑与异质性问题的缘起

（一）经典双重差分法的核心假定与局限

经典双重差分法的核心思路是通过对比处理组和控制组在政策实施前后的结果变量差异，差分掉两组共同的时间趋势和个体固定特征，从而剥离出政策干预的净效应。这一识别框架依赖几个关键假定，包括平行趋势假定、个体处理稳定性假定