快速了解双重差分法（DID）及其在 Stata 中的应用

双重差分法（Differences-in-Differences，DID）是政策评估中常用的方法，能够有效估计政策或事件对处理组和对照组之间产生的影响。与传统回归分析相比，DID 通过比较政策实施前后，不同组别的差异变化，避免了内生性问题和遗漏变量带来的偏差。

本文详细介绍 DID 的原理、模型设定及其在 Stata 中的实现过程，包括如何通过代码进行回归和稳健性检验，帮助读者更好地理解和应用该方法。

一、双重差分法的基本原理

1. DID模型设定

双重差分法的核心思想是通过比较政策实施前后，处理组与对照组之间的差异变化，来估计政策的净效应。其基本模型可以表示为：

其中：

双重差分的核心思想可以通过下表解释：

DID 方法的优越性主要体现在以下几个方面：

• 避免内生性问题：政策通常是外生的，不存在逆向因果关系。使用固定效应估计还可以缓解遗漏变量偏误。
• 模型设定科学：相比传统的回归方法，DID 的模型设置更为合理，能够更准确地估计政策效应。
• 操作简便：DID 方法原理简单，易于理解和应用，不像一些复杂的空间计量方法那样难以掌握。
• 提升研究信度：DID 的使用在一定程度上满足了研究者对方法“时尚高端”的需求，增强了研究的可信度。

DID模型还可以用以下形式来表示：

与上述模型不同的点，是去除掉了du，dt，加入了时间、个体固定效应项，更为精确地反映了时间、个体特征。

2.DID 的关键假设

• 共同趋势假设（Common Trends Assumption，CT）：DID 的基本假设是，若政策未实施，处理组与对照组的趋势变化应当一致，即政策前后，两组没有其他差异因素驱动结果变量的变化。
• 外生性：政策的实施对个体而言是外生的，避免了逆向因果问题。

3.DID稳健性检验（关于两个假设的检验）

关于DID的稳健性检验，主要表现在两个方面：

（1）共同趋势的检验（平行趋势检验）

共同趋势假设是 DID 方法的基础，意味着在政策实施之前，处理组和对照组具有相同的发展趋势。可以通过绘制趋势图或进行统计检验来验证这一假设。例如，使用多年的面板数据，可以画出处理组和对照组的结果变量随时间变化的趋势图，观察两组在政策实施前是否平行。

（2）安慰