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。