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”。

2020-2022年有近500位老师和同学参加了DID专题课程，为大家分享群内的几个Q&A：http://note.youdao.com/s/K3Gj8JCW

两天的DID课程做了如下改进：

（1）对论文进行完整的说明和软件操作研究，在2天课程中，新增了3篇论文，并对其中，多期平行趋势的图形实现过程、安慰剂检验的结果解读等进行说明；

（2）在2天课程中，增加了一些数据处理方面的操作，如面板数据的多期PSM-DID数据的匹配，使得实现过程更加透明，具体。

2024年第12期DID课程，“交叠DID”前沿专题本次也有新内容~！

DID第12期特训：

通过22篇例文精读全面掌握DID：

传统DID+多期DID+DID模型扩展+空间DID+交叠DID

培训时间：2024年10月1-4日（四天）

培训地点：北京现场，同步远程直播；均提供录播回放

配套资料：课件，参考文献，do文档等

培训费用：

前两天：2200元/ 1900元 (全日制本科及硕士在读优惠价)

后两天：2200元/ 1900元 (全日制本科及硕士在读优惠价)

报名链接：

前2天：https://www.peixun.net/main.php?mod=buy&cid=1733

后2天：https://www.peixun.net/main.php?mod=buy&cid=1931

联报：https://www.peixun.net/main.php?mod=buy&cid=1932

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》、《经济计量研究指导——实证分析与软件实现》等专业教材。

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。

课程内容：

12小时：

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.

12小时：

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.

优惠：

1. 学术培训老学员9折优惠；
2. 同一单位三人以上报名9折优惠；

PS：折扣优惠与学生价均不叠加。

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. 发送课程资料及课程开通方式。

在线咨询：

尹老师

电话：13321178792

QQ：42884447

WeChat：JGxueshu