(笔记)双重差分(DID)、拓展及其Stata实现

1.双重差分的简介与基本假设

双重差分法(DID)主要应用于政策评估领域,现已成为目前使用最为广泛的计量方法。与其他方法相比,双重差分法的识别方法非常直观:先观察受政策影响的个体(干预组/处理组)在政策前后的变化,再观察未受政策影响的个体(控制组)在政策前后的变化,两个变化之间的差异就是政策干预对个体的影响。

DID是基于反事实框架来估计处理组的平均处理效应(ATT),背后隐含着“准自然实验”的思想,因此,使用DID进行政策评价必须满足一些假设:

(1)共同趋势假设,即干顸组个体如果没有接受干预,其结果的变动趋势将与控制组的变动趋势相同,即未观测因素对两组个体的影响是相同的;

(2)共同区间假设,即要求有干预组个体必须也有控制组个体;

(3)外生性假设,即可以观测的协变量外生于政策干预;

(4)无交互影响假设,即政策干预只影响干预组,而不影响控制组。

其中,共同趋势假设为DID的关键假设,该假设保证了对因果效应的正确识别。由于一般只能检验事前的平行趋势,因此现有文献通常会采用匹配法作为预处理手段,来保证处理组与控制组的样本尽可能相似,即PSM-DID。平行趋势检验的实现方式如下:

estat ptrends

也可以通过绘制线性趋势图来进行直观的诊断:

estat trendplots

你可能感兴趣的:(青少年编程)