三重差分法（DDD）的异质性处理.docxVIP

三重差分法（DDD）的异质性处理

一、三重差分法的应用逻辑与异质性处理的核心定位

（一）三重差分法对双重差分局限的补位逻辑

在公共政策评估的量化研究体系中，双重差分法凭借原理直观、操作简便的特征，成为应用最广泛的因果识别工具之一。但双重差分法的核心识别假设——处理组与对照组在政策实施前具有平行变化趋势——在现实场景中往往难以完全满足，尤其是当政策试点并非随机选择，而是倾向于在经济基础更好、治理能力更强的地区率先落地时，试点地区与非试点地区本身就可能存在差异化的发展趋势，再加上政策实施同期往往存在其他叠加冲击，很容易导致双重差分的估计结果出现偏误。为破解这一难题，三重差分法在双重差分“地区-时间”两重差异的基础上，引入第三维度的组间差异，通过理论上不会受到政策直接影响但会暴露于同期共同冲击的样本作为新的参照组，将双重差分估计中无法剥离的地区层面时变混淆效应进一步差分剔除，最终获得更干净的政策处理效应。三重差分法最初被系统引入公共政策评估领域，正是为了解决双重差分法无法排除同层级同期混淆冲击的问题，通过引入理论上不受政策影响但会受到共同混淆因素影响的对照组，将双重差分中无法剥离的共同趋势偏误进一步差分剔除，获得更干净的平均处理效应（Gruber，1994）。需要明确的是，三重差分法并非简单在双重差分模型中增加一个交互项，其识别有效性高度依赖第三重维度选择的理论合理性：只有当第三重维度能