双重差分法,英文名Differences-in-Differences,别名“倍差法”,小名“差中差”。
作为政策效应评估方法中的一大利器,双重差分法受到越来越多人的青睐,概括起来有如下几个方面的原因:
(1)可以很大程度上避免内生性问题的困扰:政策相对于微观经济主体而言一般是外生的,因而不存在逆向因果问题。此外,使用固定效应估计一定程度上也缓解了遗漏变量偏误问题。
(2)传统方法下评估政策效应,主要是通过设置一个政策发生与否的虚拟变量然后进行回归,相较而言,双重差分法的模型设置更加科学,能更加准确地估计出政策效应。
(3)双重差分法的原理和模型设置很简单,容易理解和运用,并不像空间计量等方法一样让人望而生畏。
(4)尽管双重差分法估计的本质就是面板数据固定效应估计,但是DID听上去或多或少也要比OLS、FE之流更加“时尚高端”,因而DID的使用一定程度上可以满足“虚荣心”。
JG学术培训-DID课程已经开设了十一期,受到了老师和同学的一致好评:
2024年DID第十二期课程,通过19篇例文精读全面掌握DID:
传统DID+多期DID+DID模型扩展+空间DID+交叠DID
培训时间:2024年10月1-4日(四天)
培训方式:北京现场,同步远程直播;提供录播回放
配套资料:课件,参考文献,do文档等
培训费用:
1-2日:2200元/ 1900元 (全日制本科及硕士在读优惠价)
3-4日:1200元/ 1050元 (全日制本科及硕士在读优惠价)
报名链接:
前2天:https://www.peixun.net/main.php?mod=buy&cid=1733
后2天:https://www.peixun.net/main.php?mod=buy&cid=1862
联报:https://www.peixun.net/main.php?mod=buy&cid=1880
授课嘉宾:
崔百胜,厦门大学经济学博士,上海师范大学教授。
主要讲授研究生《空间计量经济学》、《中级应用计量经济学》、《货币理论与政策》等课程。教学使用软件为Stata和Matlab软件,熟悉相关软件的操作与使用。
主要研究领域为货币理论与政策、动态一般均衡模型、空间计量经济学。主持国家社会科学基金项目,教育部人文社会科学基金项目,以及上海市教委科研创新项目等在内的多项课题。在CSSCI期刊发表学术论文30余篇。参与编写《空间计量经济学——现代模型与方法》、《空间计量经济学——实证研究与软件实现》、《经济计量研究指导——实证分析与软件实现》等专业教材。
课程特色:
(1)加强了基础性的操作,如多期DID中,对动态多期虚拟变量的生成,增加了Stata的两种实现代码;
(2)细化了多期DID的章节,如多期DID中,考虑了同时点和异时点两种情况下的多期政策效果评估,增加了Beck(2010)动态图形展示,更清晰的理解动态DID的理论内涵;
(3)增加了DID领域的新近研究成果,如考虑了溢出性处理效应下的政策评估;
(4)解读最新关于传统面板PSM-DID方法的不足及改进的论文。
课程内容:
12小时:
一、传统DID(3h)
1.1 课程导言
1.1.1 政策评估主流方法
1.1.2 国内顶刊DID刊文情况与模型类型梳理
1.1.3 建立因果关系
1.1.4 DID政策评估,如何识别两种错误的反事实
1.2 模型构建
1.2.1 政策效果不随时间而变
1.2.2 政策效果随时间变动
1.3 Stata实现
1.3.1 DID数据生成与处理
1.3.2 基于DID基本原理的Stata实现
1.3.3 两种政策效果比较
1.3.4 五种传统DID命令与Stata17官方新命令估计结果分析
二、多期DID(渐进DID)(3h)
2.1 多期DID政策效应的动态图形展示
2.1.1Beck_Levine(2010)经典图形展示
2.1.2coefplot命令动态图形展示
2.2 多期DID平行趋势检验图形实现
2.2.1 图示法
2.2.2 系数检验法
2.3 安慰剂检验的Stata实现
2.3.1 政策实施时间前置的安慰剂检验
2.3.2 处理组随机化处理的安慰剂检验
2.4 三重差分模型(DDD)
2.5 例文精读3篇
[1] 曹清峰.国家级新区对区域经济增长的带动效应——基于70大中城市的经验证据.中国工业经济,2020(07)
[2] 任胜钢等.排污权交易机制是否提高了企业全要素生产率——来自中国上市公司的证据.中国工业经济,2019(05)
[3] Beck,T., Levine, R. & Levkov, A. (2010). Big Bad Banks? The Winners and Losers from Bank Deregulation in the United States. The Journal of Finance,65(5), pp.1637-1667
三、DID模型扩展(3h)
3.1 PSM-DID
3.1.1 PSM估计的三种程序实现
3.1.2 共同支持检验(common support)
3.1.3 多期面板数据PSM-DID的Stata实现
3.1.4 例文精读1篇:孙晓华等. “营改增”促进了制造业与服务业融合发展吗.中国工业经济,2019(08)
3.1.5 例文精读1篇:谢申祥等.传统PSM-DID模型的改进与应用.统计研究,2021 (02)
3.2 时变处理时间与持续期的灵活面板DID因果分析
3.3 异质性处理效应下的双向固定效应估计与模糊DID应用
3.3.1 模糊DID(Fuzzy DID)估计量与Stata实现
3.3.2 异质性处理效应时,双向固定效应估计还稳健吗?
3.3.3 异质性处理效应存在时的解决方法:模糊DID
3.3.4 例文精读1篇:
Chaisemartin,Clément de, and XavierD’Haultfoeuille.“Two-Way Fixed Effects Estimators with HeterogeneousTreatment Effects.” American Economic Review 110, no. 9(September 2020):2964–96.
四、空间DID(3h)
4.1 忽略空间因素的DID结果可靠吗?
4.2 空间DID模型构建
4.3 政策评估的空间效应分解
4.4 存在溢出处理效应时的稳健DID估计
4.5 例文精读3篇
[1] 排污权交易、二氧化硫排放与经济高质量增长——基于空间双重差分模型
[2] Chagas,André L.S, Azzoni C R , Almeida A N . Aspatialdifference-in-differences analysis of the impact of sugarcane production onrespiratory diseases. Regional Science and Urban Economics, 2016.
[3] ClarkeD. Estimating difference-in-differences in the presence of spillovers[J]. 2017.
12小时:
一、交叠DID应用建议
1. 如何在多期与处理时间变化时,选择合适的DID估计量?
2. 如何处理非平行趋势的情况?
3. 如何在少量处理单位情况下进行科学抽样?
4. 交叠DID的图示法
5. 交叠DID新命令一览
6. 文献解读
[1] De Chaisemartin C,D'Haultfoeuille X. Two-way fixed effects and differences-in-differences with heterogeneous treatment effects: A survey[R]. National Bureau of Economic Research, 2022.
[2] 刘冲,沙学康,张妍.交错双重差分:处理效应异质性与估计方法选择[J].数量经济技术经济研究:1-28.
二、交叠DID分解
1. TWFE在交叠DID估计中的偏误分解
2. 交叠DID的Bacon分解与Stata实现
3. 文献解读
[1] Goodman-Bacon, Andrew, “Difference-in-differenceswith variation in treatment timing,” Journal of Econometrics, 2021, 225 (2),254–277.
三、三类交叠DID的异质稳健估计
(一)组别-时期平均处理效应
1. DeChaisemartin和 d'Haultfœuille (2020) 提出的估计量 (did_multiplegt)
2. Sun 和Abraham (2021) 提出的估计量 (event study interact)
3. Callaway 和 Sant’Anna (2021) 提出的估计量 (csdid)
4. 文献解读
[1] De Chaisemartin C, d'Haultfoeuille X. Two-way fixed effects estimators with heterogeneous treatment effects[J]. American Economic Review, 2020, 110(9):2964-96.
[2] Sun L, AbrahamS. Estimating dynamic treatment effects in event studies with heterogeneous treatment effects[J]. Journal of Econometrics, 2021, 225(2): 175-199.
[3] Callaway B, Sant’Anna P H C.Difference-in-differences with multiple time periods[J]. Journal of Econometrics,2021, 225(2): 200-230.
(二)插补估计量
1. Borusyaket al.(2021)提出的估计量 (did_imputation)
2. Gardner(2021)提出的估计量(did2s)
3. 文献解读
[1] Borusyak K,Jaravel X, Spiess J. Revisiting event study designs: Robust and efficient estimation[J]. arXiv preprint arXiv:2108.12419, 2021.
[2] Braghieri L, Levy R, Makarin A. Social media and mental health[J]. American Economic Review, 2022, 112(11): 3660-3693. new
(三)堆叠回归估计量
1. Cengizet al.(2019)提出的估计量(stackedev)
2. 文献解读
[1] Cengiz D, Dube A, Lindner A, et al. Theeffect of minimum wages on low-wage jobs[J]. The Quarterly Journal of Economics,2019, 134(3): 1405-1454.
四、DID与合成控制的结合:合成DID
1. 合成DID的原理与应用领域
2. 合成DID的命令实现
3. 文献解读
[1] Arkhangelsky D, Athey S, Hirshberg D A, et al.Synthetic difference-in-differences[J]. American Economic Review, 2021,111(12): 4088-4118.
优惠:
1. 学术培训老学员9折优惠;
2. 同一单位三人以上报名9折优惠;
PS:折扣优惠与学生价均不叠加。
报名流程:
1. 点击对应课程报名链接;
2. 在线提交报名信息与订单,支付宝/银联/微信支付;
3. 确认发票信息,2个工作日发送至邮箱;
4. 发送课程资料及课程开通方式。
试听课及课程咨询:
尹老师
电话:13321178792
QQ:42884447
WeChat:JGxueshu