发帖
雷达卡
问题：
各位老师好，在政策效果评估时经常会用到双重差分法，我想请问一个关于政策时点不一致DID的问题。我知道DID需要满足两个前提，一是政策外生性，二是平行趋势假设。但是我国绝大多数政策其实是采取“先试点后推广”方式实施的，这就意味着DID的两个前提假设很难满足。以我国融资融券分步扩容事件为例，其具体进程与时点如表1所示。
表1 历次融资融券标的股票范围
事件 | 新增标的股票数 | 删除标的股票数 | 标的股票总数 | 新增标的股票特征 |
启动（2010.3） | 90 | — | 90 | 上证50和深成指成分股（市值大，流动性好，波动性小） |
第一次扩容（2011.12） | 189 | 1 | 278 | 上证180指数和深证100指数成分股 |
第二次扩容（2013.1） | 222 | 0 | 500 | 大幅增加中小板股票，首次加入创业板股票 |
第三次扩容（2013.9） | 206 | 6 | 700 | 较大流通市值、较好流动性和活跃度，进一步增加中小板和创业板股票数量 |
第四次扩容（2014.9） | 205 | 5 | 900 | 向中小市值股票延伸 |
第五次扩容（2016.12） | 77 | 27 | 950 | 市盈率较低、流通市值较大、交易较活跃、市场表现较好 |
可见，每一次扩容新增股票的特征存在显著差异，此时政策并不是严格外生的（某一特定股票是否实施政策并不随机，而是与股票本身特征相关），导致平行趋势假设也很难满足（由于处理组和控制组股票本身的差异性，两组股票在政策实施以前的趋势也不太可能一致）。我看到权小峰老师在《管理世界》上发表了以此为背景的文章，但没有对以上两个前提进行检验。
我想请问老师，评估这类“先试点后推广”的政策可以使用DID吗？如果可以，具体实施过程中应如何做外生性和平行趋势假设的检验呢？如果不可以，那么这类政策评估应该用什么方法呢？非常感谢老师！
回答：
DID要求实验组和控制组在没有政策的情况下，结果变量（在线性模型假定下）具有相同的时间趋势，即通常所说的平行趋势假设。因为反事实状态无法被观察到，该假设是无法通过统计检验进行证实的。通常的做法是，对政策发生前实验组和控制组结果变量的趋势是否平行进行检验，如果平行，则认为在政策发生时点以后的时期内，如果没有政策冲击，仍然平行，即满足DID识别假设；否则，认为不满足。这可以看作是一个证伪检验。对于问题中的例子，也应该进行类似的检验。
需要强调的是，DID估计的识别假设是平行趋势，而不是随机分组。随机分组的话就不是仅仅是满足共同趋势了，而是意味着实验组和控制组在没有政策的情况下没有统计上显著的差异。平行趋势允许差异存在，只是假定差异（在线性模型假设下）不随时间变化。随机分组是DID的识别假设满足的充分不必要条件。
京公网安备 11010802022788号
