（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