在多期双重差分（DID）模型中，即使最终所有样本都受到了政策干预，我们仍然可以区分实验组和对照组。关键在于时间点：在某个时间点t之前，部分个体尚未受到干预，这部分观测值就可以视为控制组；而已经受到干预的那些个体就是实验组。
这种方法背后的原理是基于“平行趋势假设”。这一假设认为，在没有政策干预的情况下，处理组（实验组）和对照组的结果随时间的变化趋势应该是相同的。当干预发生时，如果观察到处理组的结果与对照组结果之间的差异发生了改变，那么这种变化可以归因于政策干预。
例如，考虑高铁建设对城市经济的影响研究中：假设在2010年，仅部分城市拥有高铁站；此时这些有高铁站的城市是实验组，而没有高铁站的其他城市则构成控制组。随着时间推移，更多的城市开始建设高铁站，但是仍然可以将每个城市未建高铁站时的数据作为其自身对照数据的一部分。即使最终所有城市都拥有了高铁站，在各个时间点上，对于已经建有高铁站的城市来说，它们与自己还未建高铁站时的经济表现进行比较，就能估计出政策干预的效果。
这样理解的前提是：每个个体（或单位）在其未受干预时期的数据可以作为其自身对照组数据的一部分。通过对比同一城市在不同时间点上——建设前后的表现差异，并结合其他尚未受到完全干预城市的同期表现做综合分析，DID模型能够估计出政策效果对经济变量的净影响。
总结来说，在多期DID设置下，“控制组”和“实验组”的概念是动态变化的，它们依赖于观察时间点以及个体是否受到干预状态。即使最终所有样本都受到了相同干预，依然可以通过比较不同时间点上处理前后的差异来估计政策效果。
此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用
扫码加好友，拉您进群
全部版块
我的主页
收藏
