2024年春季学术课程No.1 DID再升级

2024-02-15资讯

2024年春季学术课程

双重差分（Difference in differences）作为一种有效的政策评估方法，在经济学乃至整个社会科学的研究中被广泛用于观测政策干预的效果。【最低工资与就业：新泽西州与宾夕法尼亚州快餐行业的案例分析】这篇文章作为劳动经济学使用双重差分法的典型案例，曾被喻为计量经济学圣经的Mostly Harmless Econometrics: An Empiricist's Companion 纳入双重差分研究的经典案例，在Google Scholar公布的被引用次数也远超过3000次，受到社会科学领域学者的广泛关注。

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，在2024年仍将作为经管社科领域实证论文的重要工具之一在更多的研究中得到应用，比如社会政策研究，市场研究，金融研究与数据隐私保护等。

DID的学习主要分为以下几个部分：

传统DID+多期DID+DID模型扩展+空间DID+交叠DID

2024年3月
DID系统课程第十期

通过8讲+18篇范例论文应用（绝大多数为近三年发表的），以原理+实操+论文的方式，通过3天18小时学习+课后录播复习+授课老师答疑解惑全面掌握DID双重差分法，让你的2024年实证研究不再迷茫！

培训时间： 3月16-17, 23-24日 (四天)

培训地点： 远程直播, 提供录播回放及主讲老师答疑（任何的学习都需要可以帮助你解惑的导师，缩短自行摸索的时间，提高实证研究效率）

授课安排： 9:00-12:00, 14:00-17:00, 答疑

配套资料： 课件，do文档，数据，参考文献等

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】、【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。

课程内容

3月16-17日：
传统DID+多期DID+DID模型扩展+空间DID
含9篇范例论文

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

1.1.4DID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

1.3.1DID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

2.1.1 Beck_Levine(2010)经典图形展示

2.1.2 coefplot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 队列DID

2.5 三重差分模型（DDD）

2.6 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 Heterogeneous Treatment 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 . Aspatial difference-in-differences analysis of the impact of sugarcane production on respiratory diseases. Regional Science and Urban Economics, 2016.

[3] Clarke D. Estimating difference-in-differences in the presence of spillovers[J]. 2017.

3月23-24日
交叠DID plus，内容升级一倍
（新课纲即将上线）

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-differences with 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] Gardner J. Two-stage differences in differences[J]. Working paper, 2021.

（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. The effect 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