手把手教你学多时点DID（1）

---

1. 引言

双重差分法 (DID) 作为目前政策评估方法中非常流行的一种方法，广泛应用于社科研究的各个领域。现有文献中关于该方法的应用多而零碎，给初学者的学习与选择带来了一定困难。因此，为了提升文献阅读与方法应用效率，系统学习 DID 是十分有必要的。

本推文将从基本模型介绍、前期数据准备、基准回归、平行趋势检验、安慰剂检验以及 PSM-DID 等整体流程入手，采用模型分析与实例结合的形式对多时点 DID 模型进行讲解。

2. 模型介绍

我们以经典 DID 模型为例：

$$
Y_{i,t}=\alpha _0+\alpha _1DID_{i,t}+\alpha \sum{X_{i,t}}+\mu _i+\lambda  _t+\varepsilon _{i,t}
$$

DID_{i，t} 为政策虚拟变量，本质是 treat {_i}\times post {_t}。treat {_i} 为个体虚拟变量，政策实施个体均取值为 1，其余为 0； post {_t} 为时间虚拟变量，政策实施当年及以后取值为 1，其他为 0。（DID_{i，t} 与 post {_t} 在数值上相同）

3. 数据准备

我们以白俊红等（2022）的论文数据为例，以国家创新型城市试点政策实施为准自然实验，展示如何用代码构造变量 DID_{i，t}。需要注意的是该文中 city=147 的城市政策实施时间为 2010 年，但是 did 却从 2012 开始计算。后续分析中本推文将其调整至 2010 年，所得结果可能与原文有细微差异，但不影响方法学习。

（1）准备面板数据，即不含 DID_{i，t} 相关变量在内的论文实证数据，需要包括个体 id，便于下文匹配。

（2) 准备政策实施样本，并构造政策实施时间变量：policy(便于区分原文变量，用 pt 表示），示例如下：

| city |  pt  |
---------------
|  3   | 2010 |
|  4   | 2010 |
|  5   | 2011 |
|  14  | 2010 |
|  25  | 2011 |
|  26  | 2010 |
|  34  | 2010 |
|  35  | 2010 |
| ...  | ...  |

(3) 代码操作

• 方法一：

  
  

use inno_policy,clear  //面板数据，由于原文中存在相关变量，故对变量名做了修改
merge m:1 city using inno_pt  //在全样本中匹配处理组样本政策时间
drop _merge
replace pt=0 if pt==.  //对照组样本policy=0
g Treat=0
replace Treat=1 if pt~=.
g Post=0
replace Post=1 if pt==2008&year>=2008
replace Post=1 if pt==2010&year>=2010
replace Post=1 if pt==2011&year>=2011
replace Post=1 if pt==2012&year>=2012
replace Post=1 if pt==2013&year>=2013
replace Post=1 if pt==2018&year>=2018      //对创新政策实施不同年份分别进行替换
gen did=Treat*Post  //Post与did 在数值上相等

• 方法二：

  本例不提供具体数据，以国家级大数据综合试验区为政策构造变量。相比方法一而言，该方法可以直接利用汉字名称来构建政策变量，相对直观。但是对于处理组个体较多的样本在处理时缺陷繁琐，在实际应用过程中，可以灵活选择。

  use data, clear
  g policy=0
  replace policy=2015 if 所属省份=="贵州省"
  replace policy=2016 if 所属省份=="北京市"|所属省份=="天津市"|所属省份=="河北省"|所属省份=="广东省"|所属省份=="上海市"|所属省份=="河南省"|所属省份=="重庆市"|所属省份=="内蒙古自治区"
  g treat=0
  replace treat=1 if policy~=0
  gen post=0
  replace post=1 if policy==2015&year>=2015
  replace post=1 if policy==2016&year>=2016
  g did=treat*post
  

4. 基准回归

DID 模型中的基本回归命令与面板回归命令基本一致，应用比较普遍的是xtreg与reghdfe。对于xtreg命令的使用已较为成熟，此处不再赘述。reghdfe命令可以解决多维固定效应问题，而且运行速度较快，因而备受青睐。关于reghdfe的具体介绍可以参考reghdfe：多维面板固定效应估计与多维面板固定效应估计

秦利宾，连享会推文，关于reghdfe命令常见问题解答