基本的两期DID设定模型为：$y_{it}=\alpha + \beta(G_i \times D_t) + \gamma G_i + \delta D_t + \epsilon_{it}$

其中，$ \ G_i$ 为分组虚拟变量（处理组=1，控制组=0）； 为分期虚拟变量（政策实施后=1，政策实施前=0）；交互项 $G_i \times D_t$ 表示处理组在政策实施后的效应，其系数 $\beta$ 即为DID模型重点考察的平均处理效应（Average Treatment Effect , ATE)。

上述基本的DID模型本质上是一种固定效应模型，常数项$\alpha$ 是对照组的固定效应，$\gamma$是处理组与对照组固定效应的差异，$\delta$是事件发生时点前后固定效应的差异，$\beta$是事件的固定效应（处置效应）。

当然，如果我们有更多时间信息的面板数据，就可以通过细化组别和时期的固定效应进一步提高上述模型的精度。具体地，将处理组和对照组的固定效应$(\alpha , \gamma)$细化为个体效应 $\mu_i$ ,并将事件前后的时期固定效应$\delta$细化为每年的固定效应$\lambda_t$，那么细化后的模型可以很好地降低估计系数的方差。

两期DID的固定效应模型设定如下：$y_{it}=\alpha + \beta(G_i \times D_t) + \gamma X_{it} + \mu_i +\lambda_t + \epsilon_{it}$