双重差分模型能做固定效应吗_双重差分法的平行趋势假定

双重差分法(DID)是经济学中用于估计处理效应的常见方法,通过对比处理组和控制组在政策实施前后的变化来估算政策影响。然而,这种方法依赖于平行趋势假定,即在没有政策干预的情况下,处理组和控制组的趋势应保持一致。如果违反这一假定,可能导致估计结果的偏差。文章探讨了DID的局限性,提出了回归模型和各种检验平行趋势的方法,如时间趋势图、加入控制变量和三重差分法等。
摘要由CSDN通过智能技术生成

Prof. Orley Ashenfelter, architect of modern labor economics, former AEA president

双重差分法是估计处理效应的常见方法,但也有被滥用的倾向,因为有些应用者对于双重差分法的优点与局限缺乏了解,特别是其潜在的平行趋势(parallel trend)假定……

差分法的局限

经济学家常关心某政策实施后的效应,比如对于收入( y )的作用。最简单(天真)的做法是比较处理组(即受政策影响的地区或个体)的前后差异,比如

这称为“差分估计量”(difference estimator),即将处理组(treatment group)政策实施后的样本均值,减去政策实施前的样本均值。然而,由于宏观经济环境也随时间而变(时间效应),故政策实施地区的前后差异未必就是处理效应(treatment effects)。

双重差分法的反事实逻辑

为了解决差分法的局限性,常用方法是寻找适当的控制组(control group),即未实施政策的地区(或未参加项目的个体),作为处理组的反事实(counterfactual)参照系。具体来说,可将未受政策影响的控制组之前后变化视为纯粹的时间效应,即

综合以上两个差分,即将处理组的前后变化减去控制组的前后变化,可得到对于政策处理效应更为可靠的估计:

    (1)

这就是所谓的双重差分估计量(Difference in Differences,简记DD

  • 2
    点赞
  • 18
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值