双重差分-DID[Differences-in-Differences]

——政策评价、实证研究

效果评估

DID: difference in difference, 双重差分；

PSM: propensity score matching, 倾向评分匹配；

DID(PS)M: difference in difference (propensity score) matching, 双重差分（倾向评分）匹配

（1）DID的主要思想是通过对比处理组的平均变化和控制组的平均变化在政策实施前后之差获得政策处理效应，DID模型基准回归方程如下：

（2）匹配的核心思想：是运用统计学技巧人为地构造出一个对照组，通过那些可观测特征（observable characteristics）试图为每个参与者（treated）“搭配”一个未参与者（untreated）。换句话说， 对于可观测的变量，通过匹配构造出的对照组（control group）与参与组（treatment group）拥有相同的随机分布。

DID使用前提：

政策对于扶持部门的选取是随机的

对照组实验组实施政策前具有相同的趋势

政策无外溢效应

注意：

（1）共线性：

几乎不可避免

原因是数据之间存在相关性或自变量高度相关

即使是较强的多重共线性也并没有违背多元回归的假设

样本极大是多重共线性一般不会导致大的危害

（2）DID中

一般而言K个类别的虚拟变量意味着K个变量的虚拟变量，但是回归分析中的虚拟变量只能是其中的K-1个虚拟变量，可实现避免多重共线性。

建议参看论文：

[1]周晶,陈玉萍,丁士军.“一揽子”补贴政策对中国生猪养殖规模化进程的影响——基于双重差分方法的估计[J].中国农村经济,2015(04):29-43.

[2]郑新业,王晗,赵益卓.“省直管县”能促进经济增长吗?——双重差分方法[J].管理世界,2011(08):34-44+65.

参考文献：

[1]谢宇, 回归分析[M].北京:社会科学文献出版社,2010:219-220.

[2]何晓群，应用回归分析[M].北京:中国人民大学出版社,2011:159-160.