“傻瓜”学计量——多期双重差分1（是什么 TWFEDD错误原因及模型选用）

提纲：

处理行为发生在不同时间点时，要进行多期双重差分

（注意：处理行为不可逆）

---

贯穿双重差分的例子：去淄博吃烧烤，能长胖吗？

样本分为三组：

组1：山东美食爱好者   三月淄博吃烧烤

组2：外甥美食爱好者   五月淄博吃烧烤

组3：非美食爱好者       不去淄博吃烧烤

---

一、什么是多期双重差分？

传统双重差分		多期双重差分
	→
T （无法设置）		可以转换为一组时01变量
2✖D		替换成一组组别的01变量
3✖D✖T		D✖T看成整体，则与变量“淄博吃烧烤”含义相同 变换成Dit，含义：某组别在某时间点，是否已经接受了处理行为。
		综上所述，多期双重差分一般形式如下： 和固定效应模型形式相同，因此叫做Two-way fixed-effects diff-in-diff(TWFEDD)

注意！！！：(TWFEDD)是错的。

二、多期双重差分(TWFEDD)为什么是错的？

（一）依据：

论文中有严谨的推导过程，有需要的小伙伴请自行去翻看

（二）多期双重差分(TWFEDD)错误原因

3DD4有问题。（剧透）

1.

以去淄博吃烧烤，能长胖吗？为例：

                      画出图像；                                         进行分组，方便后续拆分分析

分解后，分别用四个红色变量进行代表。这四个变量的加权平均数，代表了多期双重差分中3处理行为效果。如下图所示：

例子：去淄博吃烧烤，能长胖吗？

3DD1 DD2 DD3 DD4分别代表的是：

山东vs非吃货；外省vs非吃过；山东vs外甥；外省vs山东

2.“S”权重是什么？

来自二（一）中提到的论文

	“s"会受到什么的影响？ 每组样本量的影响
	分组时间长短 （上述第一条公式，没有绿圈内容。因为第一项体现的是所有组别与非处理组之间的比较，是覆盖所有时间点的。因此第一个公式中时间长短就取1。）
	子样本的波动(variance) 1.子样本中两组样本量比值 2.子样本中处理行为的时间

3.为什么3DD4有问题？

例子：去淄博吃烧烤的实际处理行为效果为，吃烧烤后第一个月体重增加2kg,第二个月体重增加1kg,第三个月体重恢复正常水平。

4月-6月间：由于其他时间因素引起的体重变化为，每月增加0.5kg。

（手动朝下）

第一重差分：

“4”？

因为对照组“山东组”已经是接受过处理行为的个体了。

二、那什么时候使用TWFEDD呢？

用：处理效果恒定

不能用：处理效果变化（效果逐渐增加、逐渐减弱等。）