双重差分模型能做固定效应吗_Stata: DDD 三重差分模型简介

作者：李琼琼 (山东大学)   

Stata连享会 计量专题  || 公众号合集

连享会-内生性专题现场班-2019.11.14-17

特别说明

文中包含的链接在微信中无法生效。请点击本文底部左下角的。

2020 Stata 寒假现场班 || 2020.1.8-17, 北京, 连玉君, 江艇 主讲

1. 为什么使用三重差分法？

双重差分法的重要假设是对照组和实验组的时间趋势一样，而当控制组和实验组的时间趋势不同，则无法得到一致的实验估计量，需要进一步改进双重差分估计量。平行趋势检验可以看往期推文多期倍分法(DID)：平行趋势检验图示。当选择的控制组与实验组时间趋势不同时，可以采用合成控制法(Synthetic Control Method)即对多个对照组加权构造成一个虚拟的对照组和三重差分法 (Difference in Difference in Difference) , 相比较合成控制法，DDD 操作更加简单，本期主要对三重差分法进行介绍。

通过下面具体的例子，我们来说明三重差分法的原理。假设美国 B 州针对 65 岁或以上的老年人 (实验组，Treat = 1) 引入一项新的医疗保健政策，其他年龄群体不适用。考察此政策对健康状况的影响，选用 B 州 65 岁以下群体 (old = 0) 作为对照组。由于人的健康状况随时间的变化并不是线性的，而不同年年龄组的个体的健康状况变化的时间趋势也存在差异，这会导致传统 DID 方法的前提条件——共同趋势假设 (Common Trend) 无法得到满足。简言之，实验组和对照组人群的健康状况随时间的变化趋势不一致。这种时间趋势差异的影响可以通过计算相邻的 A 州 65 岁及以上老年人和年轻群体相对健康情况变化差异来捕捉 (相当于再用一次 DID)。

     

其中，表示 B 州 65 岁以上老年人 () 在实施医疗保健政策 以后 () 的平均健康状况。其它变量的含义可以根据下标来确定，不再赘述。

经由 B 州 的 DID 可以得到 医疗政策差异 和 年龄差异 对健康的平均影响：

而经由 A 州 DID 得到的只是 年龄差异 对健康的平均影响:

式 (2a) 减去式 (2b)，即可得到 医疗政策效果 的平均效应 。 是我们在建立 DDD 模型时最感兴趣的估计系数。

图1：三重差分估计量示意图

2. 三重差分法案例及 Stata 实现

2007 年，中国开始实行 碳排放权交易试点政策，先后批复了江苏、天津、浙江、河北、山西等 11 个排放权交易试点省份，但是还有很多省份没有作为试点地区。任胜钢等 (2019) 收集了不同地区不同行业在实施试点政策前后多年全要素增长率的数据，并使用双重差分法 (DID) 估计排污权对上市企业全要素的影响：

其中，表示位于省份 行业的企业在年的全要素生产率，