2024年春季學術課程No.1 DID再升級

2024-02-15資訊

2024年春季學術課程

雙重差分（Difference in differences）作為一種有效的政策評估方法，在經濟學乃至整個社會科學的研究中被廣泛用於觀測政策幹預的效果。【最低薪資與就業：紐澤西州與賓夕法尼亞州速食行業的案例分析】這篇文章作為勞動經濟學使用雙重差分法的典型案例，曾被喻為計量經濟學聖經的Mostly Harmless Econometrics: An Empiricist's Companion 納入雙重差分研究的經典案例，在Google Scholar公布的被參照次數也遠超過3000次，受到社會科學領域學者的廣泛關註。

雙重差分法已經在多個經濟學和社會科學領域的學術論文中得到了廣泛的套用，在2024年仍將作為經管社科領域實證論文的重要工具之一在更多的研究中得到套用，比如社會政策研究，市場研究，金融研究與數據私密保護等。

DID的學習主要分為以下幾個部份：

傳統DID+多期DID+DID模型擴充套件+空間DID+交疊DID

2024年3月
DID系統課程第十期

透過8講+18篇範例論文套用（絕大多數為近三年發表的），以原理+實操+論文的方式，透過3天18小時學習+課後錄播復習+授課老師答疑解惑全面掌握DID雙重差分法，讓你的2024年實證研究不再迷茫！

培訓時間： 3月16-17, 23-24日 (四天)

培訓地點： 遠端直播, 提供錄播回放及主講老師答疑（任何的學習都需要可以幫助你解惑的導師，縮短自行摸索的時間，提高實證研究效率）

授課安排： 9:00-12:00, 14:00-17:00, 答疑

配套資料： 課件，do文件，數據，參考文獻等

授課嘉賓

崔百勝，廈門大學經濟學博士，上海師範大學教授。

主要講授研究生【空間計量經濟學】、【中級套用計量經濟學】、【貨幣理論與政策】等課程。教學使用軟體為Stata和Matlab軟體，熟悉相關軟體的操作與使用。

主要研究領域為貨幣理論與政策、動態一般均衡模型、空間計量經濟學。主持國家社會科學基金計畫，教育部人文社會科學基金計畫，以及上海市教委科研創新計畫等在內的多項課題。在CSSCI期刊發表學術論文30余篇。參與編寫【空間計量經濟學——現代模型與方法】、【空間計量經濟學——實證研究與軟體實作】、【計量經濟分析與Stata套用】、【經濟計量研究指導——實證分析與軟體實作】等專業教材。

課程內容

3月16-17日：
傳統DID+多期DID+DID模型擴充套件+空間DID
含9篇範例論文

一、 傳統DID（3h）

1.1 課程導言

1.1.1政策評估主流方法

1.1.2國內頂刊DID刊文情況與模型型別梳理

1.1.3建立因果關系

1.1.4DID政策評估，如何辨識兩種錯誤的反事實

1.2 模型構建

1.2.1政策效果不隨時間而變

1.2.2政策效果隨時間變動

1.3 Stata 實作

1.3.1DID數據生成與處理

1.3.2基於DID基本原理的Stata實作

1.3.3兩種政策效果比較

1.3.4五種傳統DID命令與Stata17官方新命令估計結果分析

二、多期DID（漸進DID）（3h）

2.1 多期DID政策效應的動態圖形展示

2.1.1 Beck_Levine(2010)經典圖形展示

2.1.2 coefplot命令動態圖形展示

2.2 多期DID平行趨勢檢驗圖形實作

2.2.1圖示法

2.2.2系數檢驗法

2.3 安慰劑檢驗的Stata實作

2.3.1政策實施時間前置的安慰劑檢驗

2.3.2處理組隨機化處理的安慰劑檢驗

2.4 佇列DID

2.5 三重差分模型（DDD）

2.6 例文精讀3篇

[1] 曹清峰.國家級新區對區域經濟增長的帶動效應——基於70大中城市的經驗證據.中國工業經濟,2020(07)

[2]任勝鋼等.排汙權交易機制是否提高了企業全要素生產率——來自中國上市公司的證據.中國工業經濟,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模型擴充套件（3h）

3.1 PSM-DID

3.1.1 PSM估計的三種程式實作

3.1.2共同支持檢驗（common support）

3.1.3多期面板數據PSM-DID的Stata實作

3.1.4 例文精讀1篇： 孫曉華等. 「營改增」促進了制造業與服務業融合發展嗎 .中國工業經濟,2019(08)

3.1.5 例文精讀1篇： 謝申祥等.傳統PSM-DID模型的改進與套用.統計研究,2021 (02)

3.2 時變處理時間與持續期的靈活面板DID因果分析

3.3 異質性處理效應下的雙向固定效應估計與模糊DID套用

3.3.1模糊DID（Fuzzy DID）估計量與Stata實作

3.3.2異質性處理效應時，雙向固定效應估計還穩健嗎？

3.3.3異質性處理效應存在時的解決方法：模糊DID

3.3.4 例文精讀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、空間DID（3h）

4.1忽略空間因素的DID結果可靠嗎？

4.2空間DID模型構建

4.3政策評估的空間效應分解

4.4存在溢位處理效應時的穩健DID估計

4.5 例文精讀3篇

[1]排汙權交易、二氧化硫排放與經濟高品質增長——基於空間雙重差分模型

[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
交疊DID plus，內容升級一倍
（新課綱即將上線）

一、交疊DID套用建議

1. 如何在多期與處理時間變化時，選擇合適的DID估計量？

2.如何處理非平行趨勢的情況？

3.如何在少量處理單位情況下進行科學抽樣？

4.交疊DID的圖示法

5.交疊DID新命令一覽

6. 文獻解讀

[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] 劉沖,沙學康,張妍.交錯雙重差分:處理效應異質性與估計方法選擇[J].數量經濟技術經濟研究:1-28.

二、交疊DID分解

1.TWFE在交疊DID估計中的偏誤分解

2.交疊DID的Bacon分解與Stata實作

3. 文獻解讀

[1] Goodman-Bacon, Andrew, 「Difference-in-differences with variation in treatment timing,」 Journal of Econometrics, 2021, 225 (2),254–277.

三、三類交疊DID的異質穩健估計

（一）組別-時期平均處理效應

1.DeChaisemartin和 d'Haultfœuille (2020) 提出的估計量 (did_multiplegt)

2.Sun 和Abraham (2021) 提出的估計量 (event study interact)

3.Callaway 和 Sant’Anna (2021) 提出的估計量 (csdid)

4. 文獻解讀

[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）插補估計量

1.Borusyaket al.(2021)提出的估計量 (did_imputation)

2.Gardner(2021)提出的估計量（did2s）

3. 文獻解讀

[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）堆疊回歸估計量

1.Cengizet al.(2019)提出的估計量(stackedev)

2. 文獻解讀

[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與合成控制的結合：合成DID