DID模型数据合集（代码+案例数据）(传统DID、队列DID、渐进DID、空间DID、PSM-DID)

DID模型数据合集（代码+案例数据）(传统DID、队列DID、渐进DID、空间DID、PSM-DID)

内容包括：传统DID、队列DID、渐进DID、空间DID、PSM-DID

包括各个模型Stata代码和样例数据、参考文献

双重差分法，别名“倍差法”或“差中差”，是常用的因果效应估计方法。

为了评估出一项政策实施所来的影响，将全部的样本数据分为两组:

一组是受到政策影响的，即处理组；另一组是“有受到政策影响的，即控制组。

双重差分如何得到

将政策实施前后的时间进行第一次差分，得到两组时期的变化量(经过第一次差分，可以消除个体不随时间变化的质性)

再对两组组别变化量进行第二次差分(以消除随时间变化的增量)，最终得到政策实施的净效应

队列双重差分法也被称为截面双重差分法，即使用横截面数据来评估某一历史事件对个体的长期影响。

队列双重差分法同样是比较两个维度上的差异大小

一个维度为地区间差异，标识该地区是否受干预政策影响或干预强度；

另一个维度为出生队列间差异，标识个体是否受到了干预政策的影响。

双重差分倾向评分匹配方法（PSM-DID）是倾向得分匹配（PSM）与双重差分法（DID）的有机结合（DID是主，PSM是次）。

使用传统的DID时必须使处理组与控制组满足平行趋势这一必要假设，然而现实中很难符合这一前提假设，为了避免两组在变动过程中存在的系统差异性，使用PSM-DID可以降低回归结果中的偏误。

下载链接：

DID模型合集（代码+案例数据）(传统DID、队列DID、渐进DID、空间DID、PSM-DID)https://download.csdn.net/download/m0_71334485/89681461