双重差分模型python包_什么是双重差分模型（difference-in-differences model）？

最新推荐文章于 2024-07-20 17:57:25 发布

糕图图

最新推荐文章于 2024-07-20 17:57:25 发布

阅读量2.1k

点赞数

文章标签：双重差分模型python包

本文链接：https://blog.csdn.net/weixin_35993148/article/details/113552772

版权

本文介绍了多重差分模型（DDD），一种用于政策效果评估的方法，特别是在不同地区和时间点实施政策的情景。DDD通过控制组内固定效应和时间固定效应来处理未观测到的混杂因素。文章提及了序列相关性的考虑和Bertrand等人的研究，提供了四种处理方法，并建议在使用差分模型时谨慎。此外，还提到了参考文献，为公共健康政策研究提供最佳实践。

摘要由CSDN通过智能技术生成

前面有人说了两个组别两个时间点的DID, 我简单来说一下DDD也可以说是多组别多时间点的DID

假设，推行一项政策，各个地区实行的时间不同

简单来说，让我们来以g代表不同的地区(g>=2)，t代表不同的时间点 (t>=2)

所以

D(gt)代表g地区在t时实行政策的状态是一个二分变量(1=是，0=否)

D(gt)=1意味着g地区在t时实行了政策

其余状况 D(gt)=0，所以我们可以得到

Y(gt) = a(g) + b(t) + δD(gt)+ e(gt)

其中a(g)是group fixed effect, b(t)是time fixed effect。

我们加入fixed effect在我们的model中是为了控制那些没有被测量到的混杂因素，这也是DID或者DDD的设计的重要一环。

既然我们有了多个时间点，我们就需要考虑序列相关性(serial correlation)，这又是一大展开感兴趣可以自己搜一下这篇文章

Bertrand, M., Duflo, E., & Mullainathan, S. (2004). How much should we trust differences-in-differences estimates?. The Quarterly journal of economics, 119(1), 249-275.

上面文章中作者提到了4种方法，Block bootstrap, Ignoring time-series information, Empirical variance-covariance matrix， Arbitrary variance-covariance matrix。慎用简单粗暴的忽略法(强烈想用DID方法的同学看一下这篇文章

最后，既然model有了，一切就简单咯~~~good luck

PS:()内是下角标

PSS:感觉学的时候都是英文，再自己翻译回中文怪怪的。。。。。实在不行我就重新用英文写一遍(如果有需求的话

PSSS:希望能有一点帮助吧

Reference

Wing, C., Simon, K., & Bello-Gomez, R. A. (2018). Designing difference in difference studies: best practices for public health policy research. Annual review of public health, 39.