双重差分DID模型的平行趋势检验方法汇总.docxVIP

双重差分DID模型的平行趋势检验方法汇总

一、引言

双重差分模型是当前社会科学领域开展政策评估、识别因果效应最常用的计量方法之一，其核心思路是通过构造受政策影响的处理组与不受政策影响的对照组，比较政策实施前后两组结果变量的变化差异，剥离出不随时间变化的组间固有差异与随时间变化的共同冲击影响，最终得到政策的净效应。由于原理清晰、操作简便、适用场景广泛，双重差分模型被广泛应用于经济学、公共管理、社会学、环境科学等多个领域的研究中，有统计显示在顶级经济学期刊发表的政策评估类论文中，超过半数使用了双重差分方法作为核心识别策略（安格里斯特、皮施克，2009）。但双重差分模型的因果识别有效性高度依赖一个核心前提假设，也就是平行趋势假设——如果没有受到政策冲击，处理组和对照组的结果变量变化趋势应该保持一致，不存在系统性的差异。一旦平行趋势假设不成立，双重差分估计得到的政策效应就会混合事前的趋势差异，导致估计结果有偏甚至符号完全相反。

在现实研究中，不少研究者对平行趋势检验的重视程度不足，或是对检验方法的适用场景、操作规范存在认知偏差，要么只采用单一方法草率得出“满足平行趋势”的结论，要么因为方法错配得到误导性的检验结果，最终影响研究结论的可靠性。基于此，本文从平行趋势假设的核心内涵出发，由浅入深系统梳理当前学术研究中通用的平行趋势检验方法，明确各类方法的操作要点、适用场景与局限性，进一步归纳多期