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。