did(differnece-in-difference)是项目评估常用的方法之一：

     y1-y0=1+2d+3x

      y1为政策实施后的观测，y0为实施前的观测，d表示该观测是实施后的实施地区的虚拟变量。则2表示了政策效应。那么2如何解释呢？

比如禁烟法，y为吸烟者抽烟消费支出，那么2被解释成了实施该法地区的抽烟者在该法实施之后比没有实施时抽烟消费支出高2。

但是did解决不了我们想关注的：

我们现在的样本（构造一个例子，请先不要怀疑其实际可行性）：

我们在10个地区的某一行业1000多个企业推广某种方法，比如人均投资额a0（试验实施后被业内专家已经承认的以利润最大化为原则的方案），现在我们将这10种方案（1个地区1个，可能有相同）在这1000多家企业推广，我们在随后的1年后随机在这些企业中抽取了500家，在随后的2年后又随机抽取了500家（可能有的企业被抽中了2次）。

想研究这样的问题：

1年后（人均投资额用a1）和2年后（人均投资额用a2），这1000家（可能不到1000家，有抽中2次的），企业与当初我们推荐的方案比较，会出现什么情况？我们主要关注的是a1-a0和a2-a0受那些因素影响？这分为两方面：

一方面我们需要搞清楚，我们推荐的最佳方案可能不是很快就被人们所接受，那么，什么样子的企业的a高于我们的a0，什么样的企业的a低于我们的a0，（设想使用二元因变量模型）

另一方面，我们想弄清楚哪些企业从低于a0的方向跑向a0，哪些企业从高于a0的方向跑向a0。若直接ai-a0（i=1，2）回归，只能解释向一个方向跑（都增加或减少）。（我们想解释的是高的变低了，低的变高了这种现象）。

本文来自: 中国经济学教育科研网论坛(http://bbs.cenet.org.cn) 详细出处参考：http://bbs.cenet.org.cn/dispbbs.asp?boardid=33751&id=393652&star=1&page=1