精华内容
下载资源
问答
  • 双重差分法的平行趋势假定双重差分法是估计处理效应的常见方法,但也有被滥用的倾向,因为有些应用者对于双重差分法的优点与局限缺乏了解,特别是其潜在的平行趋势(paralleltrend)假定……差分法的局限经济学家常...

    双重差分法的平行趋势假定

    双重差分法是估计处理效应的常见方法,

    但也有被滥用的倾向,

    因为有些应

    用者对于双重差分

    的优点

    局限缺

    了解,特

    别是其

    潜在的平行

    趋势

    (

    parallel trend

    )假定……

    差分法的局限

    经济学家常关心某政策实施后的效应,比如对于收入(

    y

    )的作用。最简

    单(天真)的做法是比较处理组(即受政策影响的地区或个体)的前后差异,比

    这称为“差分估计量”

    (

    difference

    estimator

    )

    即将处理组

    (

    treatment

    group

    )政策实施后的样本均值,减去政策实施前的样本均值。然而,由于宏观

    经济环境也随时间而变

    (时间效应)

    故政策实施地区的前后差异未必就是处理

    效应(

    treatment effects

    )。

    双重差分法的反事实逻辑

    为了解决差分法的局限性,

    常用方法是寻找适当的控制组

    (

    control

    group

    )

    (

    )

    (

    counterfactual

    )

    参照系。

    具体来说,

    可将未受政策影响的控制组之前后变化

    视为纯粹的时间效应,即

    综合以上两个差分,

    即将处理组的前后变化减去控制组的前后变化,

    可得到

    对于政策处理效应更为可靠的估计:

    (1)

    这就是所谓的双重差分估计量(

    Difference in Differences

    ,简记

    DD

    DID

    )

    因为它是处理组差分与控制组差分之差。

    该法最早由

    Ashenfelter

    (

    1978

    )

    引入经济学,而国内最早的应用或为周黎安、陈烨(

    2005

    )。

    从以上推理可知,

    DID

    的反事实逻辑能够成立,其基本前提是,处理组如果

    未受到政策干预,

    其时间效应或趋势应与控制组一样

    (故可以后者来控制时间效

    应)

    这就是所谓的

    “平行趋势”

    (

    parallel

    trend

    )

    “共同趋势”

    (

    mon

    trend

    )

    假定。下图直观地展示了

    DID

    的思想与平行趋势假定。

    展开全文
  • “社会科学中的数据可视化”第259篇推送双重差分(DID:Difference in Difference)是一种比较重要的计量研究设计,其常用在政策评估研究方面。本文简单介绍三种DID回归设计的STATA命令(小编想起了孔乙己:茴字有三种...

    “社会科学中的数据可视化”第259篇推送

    双重差分(DID:Difference in Difference)是一种比较重要的计量研究设计,其常用在政策评估研究方面。本文简单介绍三种DID回归设计的STATA命令(小编想起了孔乙己:茴字有三种写法)。现假设有一地区面板数据,其中,地区代码为1-7,时间跨度为1990-1999年。在1994年,地区5-7实施一项政策(实验组),而地区1-4并未实施(控制组)。此外,出于介绍方便,本文不考虑DID研究设计任何前提条件,具体命令格式如下:101108070_1 命令格式

    101108070_2

    cd 'F:\Dropbox\stata13\graphics'

    ///定义工作环境。

    use panel101,clear

    ///导入数据。

    gen time = (year >= 1994) & !missing(year)

    ///假设政策开始执行时间为1994年,则构建时序dummy:1994年之前为0(含1994年),之后为1。

    gen treated = (country > 4) & !missing(country)

    ///假设政策执行地方为5、6、7,则构建空间dummy:1-4为0,5-7为1。

    gen did = time*treated

    ///构建DID估计关键变量,时间空间交互项。

    reg y did time treated,r

    ///第一种DID回归设计。

    101108070_3

    reg y time##treated, r

    ///第二种DID回归设计。

    101108070_4

    ssc install diff

    diff y, t(treated) p(time)

    ///第三种DID回归设计。

    101108070_5

    原文来源:Princeton University library DSS以及Stata帮助(Help)文件,部分文字进行删减。注:操作版本为Stata13,原文请点击左下“阅读原文”。

    展开全文
  • (不可以,可能不谈恋爱成绩变得更好)小明恋爱的成绩变化小明不恋爱的成绩变化但是,由于小明同学已经恋爱了,所以无法得知,他如果没有恋爱的话,学习成绩是更好还是更。所以,我们可以找到一个与小明同学各个方面...

    小明有一天谈恋爱了,谈恋爱后成绩变好了,因此可以得出结论,谈恋爱有助于成绩吗?

    (不可以,可能不谈恋爱成绩变得更好)

    小明恋爱的成绩变化

    小明不恋爱的成绩变化

    但是,由于小明同学已经恋爱了,所以无法得知,他如果没有恋爱的话,学习成绩是更好还是更差。所以,我们可以找到一个与小明同学各个方面条件都很类似的小王同学,小王同学必须和小明同学有相同的学习条件、相同的老师和相同的作业,这样才能保证他的变化与小明同学的变化趋势是一致的,才能把他作为小明同学不谈恋爱后学习成绩变化的研究对象。

    小王同学没有恋爱的成绩变化

    小王同学(B)的成绩变化可以得知,小明同学(A)如果不谈恋爱,成绩增长得更加显著。所以可以得出结论,恋爱使得小明同学成绩下降。

    建立模型

    treatment=1/0   1是恋爱的小明A,0是没有恋爱的小王B

    time=1/0   1是恋爱之后,0是恋爱之前

    成绩grade

    grade= (β1)*treatment+(β2)*time+(β3)*treatment*time+control+(β0)

    模型

    【1】treatment=0和time=0:

    假如把小明的恋爱看作一个政策的话,那么可以认为treatment=0和time=0,是小王在政策执行前的变化,这时候  grade= β0

    【2】treatment=1和time=0

    小明恋爱之前,成绩 grade=  β0+β1

    【3】treatment=0和time=1

    小王在政策执行后的成绩,也就是小王在小明恋爱后的成绩,grade= β0+β2

    【4】treatment=1和time=1

    小明在恋爱后,成绩 grade= β1+β2+β3+β0

    最后可得出β3,这是除去个人效应和时间效应(政策效应)的政策影响。

    如果β3>0,则政策是有益促进的

    如果β3<0,则政策是有害不利的

    展开全文
  • 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...

    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”。

    在细致介绍DID之前首先强调一点,一般而言,DID仅适用于面板数据,因此在只有截面数据时,还是不要浪费心思在DID上了。不过,事无绝对,在某些特殊的情景下,截面数据通过巧妙的构造也是可以运用DID的,大神Duflo曾经就使用截面数据和DID研究了南非的养老金计划项目对学前儿童健康的影响,感兴趣的可以去搜搜大神的文章。

    具体来说,基准的DID模型设置如下:

    其中,du为分组虚拟变量,若个体i受政策实施的影响,则个体i属于处理组,对应的du取值为1,若个体i不受政策实施的影响,则个体i属于对照组,对应的du取值为0。dt为政策实施虚拟变量,政策实施之前dt取值为0,政策实施之后dt取值为1。du·dt为分组虚拟变量与政策实施虚拟变量的交互项,其系数

    就反映了政策实施的净效应。

    从DID的模型设置来看,要想使用DID必须满足以下两个关键条件:一是必须存在一个具有试点性质的政策冲击,这样才能找到处理组和对照组,那种一次性全铺开的政策并不适用于DID分析;二是必须具有一个相应的至少两年(政策实施前后各一年)的面板数据集。

    为什么交互项du·dt的系数

    就能够体现出政策的净效应呢?这一点可以通过下表来体现(下表也反映了双重差分法五个字的真正含义):

    双重差分法的基本思想就是通过对政策实施前后对照组和处理组之间差异的比较构造出反映政策效果的双重差分统计量,将该思想与上表的内容转化为简单的模型(1),这个时候只需要关注模型(1)中交互项的系数,就得到了想要的DID下的政策净效应。

    更进一步地,DID的思想与上表的内容可以通过下图来体现:

    图中红色虚线表示的是假设政策并未实施时处理组的发展趋势。事实上,该图也反映出了DID最为重要和关键的前提条件:共同趋势(Common Trends),也就是说,处理组和对照组在政策实施之前必须具有相同的发展趋势。DID的使用不需要什么政策随机以及分组随机,只要求CT假设,因此用DID做论文时必须对该假设进行验证,至于具体怎么验证,后面再说。

    很多时候,大家在看使用DID的文献时,会发现别人的基准模型和模型(1)并不完全一致,别人的模型如下:

    别人的模型里只有交互项du·dt,而缺失了du和dt,是哪里出问题了么?并没有,模型(1)和(2)本质还是一样的,且模型(2)在多年面板数据集里更为常见。模型(2)中,

    为个体固定效应,更为精确地反映了个体特征,替代了原来粗糙的分组变量du;

    为时间固定效应,更为精确地反映了时间特征,替代了原来粗糙的政策实施变量dt。因而,du和dt并未真正从模型中消失,只是换了个马甲。模型(2)事实上就是一个双向固定效应模型,这也是为什么DID方法一定程度上可以减轻遗漏变量偏误的原因(主要是消除那些不可观测的非时变因素,为了使估计结果尽可能准确,模型中还是要加入控制变量)。

    在介绍完DID的基本思想和模型设定后,现在要开始强调同等重要的内容,那就是稳健性检验——必须证实所有效应确实是由政策实施所导致的。很多人对这一点并不重视,认为DID很简单,随便跑几个回归就可以写出一篇大作了。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。这个假设是比较难验证的,看文献时会发现别人经常没有做该检验,比如,很多人做DID时只有政策实施前后各一年的数据,这样的的话根本无法验证政策实施前的趋势问题。不过,如果是多年的面板数据,可以通过画图来检验CT假设,之前推荐的那篇AER文章就画了大量的图形对此进行了说明。

    (2)即便处理组和对照组在政策实施之前的趋势相同,仍要担心是否同时发生了其他可能影响趋势变化的政策,也就是说,政策干预时点之后处理组和对照组趋势的变化,可能并不真正是由该政策导致的,而是同时期其他的政策导致的。这一问题可以概括为处理变量对产出变量作用机制的排他性,对此,可以进行如下的检验:

    A. 安慰剂检验,即通过虚构处理组进行回归,具体可以:a)选取政策实施之前的年份进行处理,比如原来的政策发生在2008年,研究区间为2007-2009年,这时可以将研究区间前移至2005-2007年,并假定政策实施年份为2006年,然后进行回归;b)选取已知的并不受政策实施影响的群组作为处理组进行回归。如果不同虚构方式下的DID估计量的回归结果依然显着,说明原来的估计结果很有可能出现了偏误。

    B. 可以利用不同的对照组进行回归,看研究结论是否依然一致。

    C. 可以选取一个完全不受政策干预影响的因素作为被解释变量进行回归,如果DID估计量的回归结果依然显着,说明原来的估计结果很有可能出现了偏误。等等。

    尽管DID的基本原理很简单,但其实际运用十分灵活,并不是上面一点内容可以介绍完的,大家应当多去看相关的文献,然后多做总结。关于DID的一些扩展内容,比如DDD、PSM-DID等,以后再跟大家细说。

    来源:经管学苑(ID:jingguan100)

    展开全文
  • 上节回顾 双重差分模型设计思想3种方式来加以理解DID方法stata操作双重差分课堂展示教学小结主题讨论1、CD生产函数与TFP 涉及理论:全要素生产效率2、使用什么数据进行验证? 截面数据? 比如1980-2018年内蒙古GDP、...
  • 上学期的面板数据分析课程大作业是复制一篇经典文献,我选择了一篇运用DID方法的教科书般的文献——Compulsory Licensing:Evidence from the Trading with the Enemy Act。把复制过程(相当于全文翻译啦)分享给...
  • 作者介绍@花花曾任职于美团、腾讯、今日头条担任数据分析师。操盘过上百亿的资源评估,与大家一起成长学习。01 前言在实际的效率评估工作中,不是所有的营销活动都做了AB...02 DID介绍2.1 DID概述双重差分DID英文...
  • 背景:探索实验的天数,对指标A,B,C,D,E的影响是否显著。0day,指标A的数据来自对4个实验对象的测量。其他数据都是如此。一、 方差分析原理 由于各种因素的影响,方差分析研究的数据呈现波动性。...
  • 双重差分方法 双重差分(Difference-in-Difference,DID)常用于政策效果评估。因为政策下达通常是指定某些城市或区域执行政策,无法做随机对照实验,和PSM一样只能采用构造一个“对照组”的思路。由于城市样本有限,...
  • 我觉得能拿到offer的原因,一是我简历上有几个数据挖掘类的比赛和项目,不至于那么,二是投的日常实习岗,难度不高,自己运气比较好。 其中携程实习面试就是聊天型,简单问了下项目和经历。 百度实习一面是leader...
  • 随机实验需要至少两期的面板数据,并且要求样本在干预组和对照组随机分布,分析方法就是DID(倍差法,或曰双重差分法);准实验分析用截面数据就 能做,不要求样本在干预组和对照组随机分布,分析方法包括DID(需两期...
  • 如果适用,定义导数函数 作为julia函数或将算法设置为使用有限差分,即rodas5(autodiff=false)。 所有默认方法都使用autodiff。 延迟微分方程必须使用julia定义的函数,否则历史函数是 重载类型不正确。 测试 单元...
  • RMSE是回归问题的性能指标,衡量的是 预测值 与 真实值 间的差距 是测量预测误差的标准 举例子:RMSE 等于 50000,根据【 准则】意味着: 大约 68% 的预测值位于真实值的 50000元( )以内, 大约 95% 的预测值...
  • 我的问题包括: 第一,在做企业固定效应时,stata自动对100多万样本了几十万聚类,是否还有必要在回归中加入聚类(cluster),如果要加入聚类的话,应该加入什么层面的聚类?比如省层面、地级市层面、县层面、行业...
  • 搬运网站:https://blog.csdn.net/Claire_chen_jia/article/details/106903842?utm_medium=distribute.pc_aggpage_search_result.none-task-blog-2~all~top_click~default-1-106903842.nonecase双重差分模型DID学习...
  • 搬运网站:https://blog.csdn.net/Claire_chen_jia/article/details/106903842?utm_medium=distribute.pc_aggpage_search_result.none-task-blog-2~all~top_click~default-1-106903842.nonecase双重差分模型DID学习...
  • 整理人:郑铿城•双重差分法(DID、DD),有的文献也称为倍差法、倍分法。 •双重差分法的前提条件: ① 随机分组。(若分组结果由个人因素决定,并非随机分组。例如,大部分观测数据就是如此。) ② 实验或处理变量...
  • did双重差分法_双重差分模型

    千次阅读 2021-01-01 05:34:11
    双重差分模型1.双重差分法英文名Differences-in-Differences,别名“倍差法”。 主要用于政策评估.2.基本思想利用政策的准自然实验将研究对象随机的分成处理组和对照组,其中受到政策影响的个体称为处理组,反之是...
  • 双重差分模型DID学习笔记

    万次阅读 多人点赞 2020-06-22 20:17:50
    双重差分模型 (Difference-Differences, DID)是政策评估的非实验方法中最为常用的一种方法,其中交互项是DID的灵魂。 交互项形式拥有各种形式,包括(1)传统DID;(2)经典DID;(3)异时DID;(4)广义DID;以及...
  • 估计政策效应常用的方法有:工具变量法、断点回归、倾向得分匹配法、双重差分法、合成控制法等。我们在这里介绍双重差分法。一、模型引入假设现要修一条铁路,其必然会有穿过的和没有穿过的城市。现在我们想知道铁路...
  • 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...
  • 双重差分法的平行趋势假定双重差分法是估计处理效应的常见方法,但也有被滥用的倾向,因为有些应用者对于双重差分法的优点与局限缺乏了解,特别是其潜在的平行趋势(paralleltrend)假定……差分法的局限经济学家常...
  • 方法1*第一种DID回归设计reg y did time treated,r显然在10%水平上,政策实施有显著的负效应*第二种DID回归设计reg y time##treated,r方法2同样的在第二种方法中,无需设置交互项,结果是一样的方法3*第三种DID回归...
  • 法来源于计量经济学的综列数据模型,是政策分析和工程评估中广为使用的一种计量经济方法。主要是应用于在混合截面数据集中,评价某一事件或政策的影响程度。该方法的基本思路是将调查样本分为两组,一组是政策或...
  • 在计量经济学中,对于政策评价的基本方法一般有三种:合成控制法,双重差分法(DID),断点回归。其中合成控制法和双重差分法十分相似,本质思想在于,找到一个对照组,对比处理组与对照组的异同,得出政策的效果...
  • 20世纪80年代,国外经济学界借鉴自然科学实验效果检验方法,兴起了一种专门评估政策效果的方法——双重差分法(Differences-in-Differences Method,简称DID),由于DID方法思路简洁,模型简单易用,估计方法成熟,...
  • DID-双重差分模型

    千次阅读 2020-04-12 20:19:38
    DID-双重差分模型 DID(difference-in-differences model)也叫双重差分模型。 现在要修一条铁路,铁路是条线,所以必然会有穿过的城市和没有被穿过的城市。记Di=1 如果城市i被穿过,Di=0 如果城市i没有被穿过。 ...
  • 意外地翻到一个很有意思的博主的视频,他用一种全新的方式介绍了一个我此前没有接触过的概念,突然让我觉得很有意思,早上闲着,就写一个关于DID的科普小短文吧~注意:本文中的内容不一定完全正确,参考的东西会放到...
  • 关于双重差分法的问题老师您好!我使用的是stata进行面板数据双重差分分析,准自然实验是每年公布的一项排名。如果该年份这项排名中有某地区,该地区取1。我想请问的问题如下:(1)由于这个排名是每年更新的,可能一...

空空如也

空空如也

1 2 3 4
收藏数 77
精华内容 30
关键字:

双重差分did