发帖
雷达卡
1985年普林斯顿大学的Ashenfelter和Card的一篇论文中，第一次引入了DID模型；
2001年哈佛大学公共卫生学院学者使用DID模型对中国海南省的医疗报销付费制度改革进行了分析；
2001年杜克大学学者对美国保险制度对于妇幼健康的影响进行了研究；
2005年，中国学者周黎安，陈烨使用DID模型的思路，运用7个省591个县市级数据对我国农村税费改革政策的效果进行系统的评价，这是国内学者首次运用DID模型对政策效果进行评价。
DID方法是一种估计因果效应的计量方法，一般多用来进行政策分析。DID模型的基本思想是将全部样本数据分为两组，一组受到政策影响，称为处理组；一组不受政策影响，称为控制组。
作为一种经济学和社会科学领域常用的分析方法，双重差分法（Difference-in-Differences, DID）已经被广泛应用于研究政策和制度变革等领域。2024年，双重差分法仍将是经济学和社会科学领域研究的重要工具之一，因为它具有以下优点：
1. 非常适合研究政策效应：双重差分法可以估计政策的因果效应，而不必关注时间不变的个体差异或者随机化实验设计。
2. 相对容易实施：相对于其他复杂的计量方法，双重差分法相对容易实施，需要的数据也相对较少。
3. 能够处理面板数据：双重差分法可以处理面板数据，可以控制不同个体之间的异质性，并且能够解决选择性偏差问题。
双重差分法已经在多个经济学和社会科学领域的学术论文中得到了广泛的应用，例如劳动经济学、教育经济学、公共卫生学、环境经济学、发展经济学等领域。以下是一些继续应用双重差分法的领域：
1. 社会政策研究：双重差分法可以应用于社会政策研究，例如研究家庭补贴、医疗保险、养老金等政策对家庭和个人的影响。
2. 市场研究：双重差分法可以应用于市场研究，例如研究营销策略对消费者行为的影响，或者研究竞争政策对市场结构和价格的影响。
3. 金融研究：双重差分法可以应用于金融研究，例如研究货币政策、金融监管等政策对银行和市场的影响。
4. 数据隐私保护：双重差分法可以应用于数据隐私保护，例如在医疗领域使用双重差分法进行医疗研究，避免暴露个人隐私信息。
自2020年9月开始已通过十期课程帮助近600位学员全面掌握DID
传统DID+多期DID+DID模型扩展+空间DID+交叠DID
2024年DID系统课程
培训时长：2024年10月1-4日（四天）
培训方式：北京现场/同步远程直播, 提供录播回放及主讲老师答疑
配套资料：课件，参考文献，do文档等
讲师介绍：
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、SSCI期刊发表学术论文近50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》、《计量经济分析与Stata应用》、《经济计量研究指导——实证分析与软件实现》等专业教材等专业教材。
Stata金牌讲师，已经通过10期DID课程帮助600+学员掌握DID.
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；
（5）前沿专题交叠DID对近3年DID领域中出现的新方法进行系统掌握，能够对其主要命令，主要原理，主要应用场景和结果的解读进行掌握，达到运用新方法进行论文写作的目标。
课程大纲：
2024年10月1-2日：传统DID+多期DID+DID模型扩展+空间DID
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.
2024年10月3-4日：交叠DID
第1讲 交叠DID最新应用的系统梳理
1.1 交叠DID应用在顶刊的统计分析
1.2 中文期刊交叠DID的两种主流趋势
1.3 异质性处理效应的TWFE估计偏误的来源
1.3.1 禁止性比较组
1.3.2 负权重问题
1.3.3 协变量问题
1.3.4 非平行趋势
1.4 交叠DID研究最新进展
1.4.1 交叠DID识别
1.4.2 交叠DID图示法
1.5 交叠DID研究的实用建议
1.5.1 如何在多期与处理时间变化时，选择合适的DID估计量？
1.5.2 如何处理非平行趋势的情况？
1.5.3 交叠DID各种估计方法应用建议
1.6 重要文献解读：
[1] De Chaisemartin C, D'Haultfoeuille X. Two-wayfixed 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.数量经济技术经济研究, 2023.
第2讲 交叠DID检验
2.1 禁止性比较组检验的Bacon分解
2.1.1 Bacon分解的图形解析
2.1.2 Bacon分解Stata官方命令与社区命令结果比较与解读
2.2.3 Bacon分解的中文应用
2.2 处理组的负权重检验
2.2.1 负权重检验统计量直观解释
2.2.2 负权重检验Stata命令实现
2.3 非平行趋势检验
2.3.1 事件研究法平行趋势检验效力
2.3.2 如何正确理解新事件研究法的平行趋势检验图
2.3.3 Pre-trends检验
2.4 重要文献解读：
[1] Goodman-Bacon, Andrew, Difference-in-differences with variation in treatment timing, Journal of Econometrics, 2021.
[2] Roth J, Sant’Anna P H C, Bilinski A, et al.What’s trending in difference-in-differences? A synthesis of the recent econometrics literature, Journal of Econometrics, 2023.
第3讲 组别-时期平均处理效应估计量
3.1 dcdH估计量
3.1.1 DeChaisemartin和 d'Haultfœuille(2020) 估计量的理论简析
3.1.2 dcdH估计量扩展到多个处理事件和多期
3.1.3 dcdH估计量的Stata实现
3.1.4 dcdH估计量的应用
3.2 SA估计量
3.2.1 Sun和 Abraham(2021) 估计量的理论简析
3.2.2 SA估计量的Stata实现
3.2.3 SA估计量的应用
3.3 CS估计量
3.3.1 Callaway和 Sant’Anna(2021) 估计量的理论简析
3.3.2 CS估计量的Stata官方命令与社区命令实现
3.3.3 CS估计量的应用
3.4 Plug-in估计量
3.4.1 Roth和Sant’Anna(2023) 估计量的理论简析
3.4.2 staggered社区命令实现
3.4.3 Plug-in估计量的应用
3.5 重要文献解读：
[1] De Chaisemartin C, d'Haultfoeuille X. Two-way fixed effects estimators with heterogeneous treatment effects[J]. American Economic Review, 2020.
[2] Sun L, Abraham S. Estimating dynamic treatment effects in event studies with heterogeneous treatment effects[J]. Journal of Econometrics, 2021.
[3] Callaway B, Sant’Anna P H C. Difference-in-differences with multiple time periods[J]. Journal of Econometrics, 2021.
第4讲 基于TWFE改进的新估计量
4.1 异质性稳健TWFE的交叠DID新命令
4.2 重要文献解读：
[1] Wooldridge J M. Two-way fixed effects, the two-way Mundlak regression, and difference-in-differences estimators[J].Available at SSRN 3906345, 2021.
第5讲 基于插补方法的估计量
5.1 Imputation估计量
5.2 两阶段DID估计量
5.3 重要文献解读：
[1] Borusyak K, Jaravel X, Spiess J. Revisiting event study designs: Robust and efficient estimation[J]. Review of Economic Studies, 2024, Forthcoming.
[2] Braghieri L, Levy R, Makarin A. Social media and mental health[J]. American Economic Review, 2022.
第6讲 堆叠与局部投影估计量
6.1 堆叠估计量
6.2 局部投影估计量
6.3 重要文献解读：
[1] Cengiz D, Dube A, Lindner A, et al. The effect of minimum wages on low-wage jobs. The Quarterly Journal of Economics, 2019.
[2] Dube, A., D. Girardi, Ò. Jordà and A. M.Taylor. A Local Projections Approach to Difference-in-Differences Event Studies. NBER Working Paper 31184, 2023.
第7讲 DID与合成控制的结合：合成DID
7.1 合成DID的原理与应用领域
7.2 合成DID的命令实现
7.3 重要文献解读：
[1] Arkhangelsky D, Athey S, Hirshberg D A, et al.Synthetic difference-in-differences[J]. American Economic Review, 2021.
课程优惠：
前两天：2200元/ 1900元 (全日制本科及硕士在读优惠价)
交叠DID：2200元/ 1900元 (全日制本科及硕士在读优惠价)
l JG学术培训老学员九折优惠；
l 折扣优惠与学生价不叠加。
报名链接：
前两天：https://www.peixun.net/main.php?mod=buy&cid=1733
交叠DID：https://www.peixun.net/main.php?mod=buy&cid=1931
联报：https://www.peixun.net/main.php?mod=buy&cid=1932
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. 邮件发送资料及开通流程。
联系方式：
尹老师
电话：13321178792
QQ：42884447
WeChat：JGxueshu
京公网安备 11010802022788号
