正文

双重差分（DID）模型是一种广泛应用于经济学、社会学等领域的统计方法，主要用于评估政策或事件的因果效应。以下是DID模型几个重要变体的简要介绍：

• 传统DID（Traditional DID）：DID模型的基础形式，通过比较处理组和控制组在政策实施前后（两个时期）的差异，估算政策效果。依赖“平行趋势”假设，即无处理时，处理组和控制组变化趋势原本相同。
• 队列DID（Cohort DID或Panel DID）：政策在不同时间点逐步实施于不同小组（队列）时使用。每个队列有自己的处理前后期，模型可捕捉政策效果随时间的变化。
• 空间DID（Spatial DID）：存在空间溢出效应时使用，即政策在一个地区实施可能影响相邻地区。考虑地理位置因素，评估不仅直接影响区域，还包括周边区域的间接影响。
• PSM-DID（Propensity Score Matching with DID）：结合倾向得分匹配（PSM）和DID模型，处理组和控制组选择非随机时提高估计准确性。通过PSM选择与处理组特征相似的对照组，应用DID方法减少选择偏差，得到更可靠的政策效应估计。
• 渐近DID（Gradual DID）：政策效应非立即发生而是逐渐显现，或处理强度随时间变化时使用。允许分析政策影响的动态过程和累积效应。
  

本次分享的5种DID的数据案例，每种变体都有其特定应用场景和优势，共同构成强大工具箱，帮助研究者在复杂真实世界情境中识别因果关系。

数据介绍[td]

类别	详情
数据名称	DID模型案例
样本数量	五种DID案例
数据格式	案例数据
数据来源	xx社区用户

指标说明

主要包括传统DID、队列DID、渐近DID、空间DID、PSM-DID的相关案例

数据概览

DID模型案例概览如下图

数据文件

传统DID.zip、队列DID.zip、渐近DID.zip、空间DID.zip、PSM-DID.zip