did双重差分法_理解自然实验和DID方法：与现场实验比较的视角

作者：姚耀军

根据文献计量分析，大约在2000年以后，“自然实验”突然成为了社会科学界的流行词。自然实验描述的是这样一个研究过程：某个外生事件的发生导致了近似于真正科学实验的场景，而细心的研究人员能够发现这一场景，并借此来识别社会科学中的因果关系。

自然实验与科学研究中的现场实验一样，发生在实验室之外的真实的社会环境中。因此，后者是理解自然实验的一个良好起点。本文对自然实验与现场实验进行比较分析，以揭示两种研究方法的异同，帮助大家更好地理解自然实验方法以及DID模型背后的逻辑。

---

一、现场实验案例

假设有很多面积基本相等的小块农田分布在一条河流的南北两岸，田里刚种植了水稻。一位研究者试图针对这些农田里的水稻开展现场实验，研究灌溉量对水稻产量的影响。那么，他该怎样设计实验呢？概括起来，其基本步骤是：

首先，随机分配被试（农田）至对照组与处理组。具体来说，研究者会将两岸每块农田进行编号，并将这些编号随机分成两组：在第一组（即对照组），编号所对应的农田保持正常状态，研究者不会对其作任何处理；在第二组（即处理组），编号所对应的农田须按照研究者的要求，在夏季接受额外的灌溉处理。然后，到了秋天收获的季节，研究者将比较两组平均产量的差异。

若对照组与处理组除了一组未接受处理而另一组接受了处理，在其他所有方面（例如土壤的肥力等）不存在系统性的差异，则研究者有理由把两组平均产量的差异归因于是否接受了“处理”，从而识别出额外灌溉对水稻产量的影响（即处理效应）。那么，现在关键的问题是，在其他所有方面，两组是否真的不存在系统性的差异？

答案是肯定的，原因在于研究者已经将南北两岸的每一块农田都随机分配至两组。随机分配的结果是，每一组既有南岸的农田，也有北岸的农田。即使在土壤肥力等方面，南北两岸的农田间可能存在系统性差异（例如，南岸农田可能更肥沃），而同岸的农田间也可能存在其他个体差异，但由于是随机分配，这些差异均不会导致对照组与处理组之间出现系统性的差异。

当然，无系统性差异并不意味着无差异，只是意味着若存在差异，则这种差异具有偶然性，属于所谓的抽样误差。正是由于抽样误差的存在，在比较两组平均产量差异时，研究者有必要进行统计显著性检验，以免将本应归因于抽样误差的平均产量差异误认为处理效应。

---

二、自然实验案例

仍假设有很多面积基本相等的小块农田分布在一条河流的南北两