雙重差分方法使用中的問題列舉

如何客觀評估政策和制度績效，特別是定量考察新政策對經濟影響的動態因果檢驗成為經濟學界亟需解決的問題。

20世紀80年代，國外經濟學界借鑑自然科學實驗效果檢驗方法，興起了一種專門評估政策效果的方法——雙重差分法（Differences-in-Differences Method，簡稱DID），由於DID方法思路簡潔，模型簡單易用，估計方法成熟，在。西方學界被廣泛應用於政策效果、制度績效和專案評價等方面，目前國內DID方法應用也呈現快速增長態勢。

但該方法在應用中仍然會出現如內生性、動態異質性等問題，本文將介紹面對這些問題我們應該如何去解決應對。

基於雙重差分模型的政策效果評估方法

雙重差分方法評估政策效果的基本思想是透過比較受到影響的群體（處理組）和未受到影響的群體（對照組）的差異，評估政策效果。

設定y表示關注的結果變數，組別虛擬變數TREATt= 1或0分別表示對該組樣本進行了“處理”或沒有；處理時間虛擬變數YEARt=1或0分別表示“處理後”和“處理前”。

假設隨機變數之間存線上性關係，雙重差分的基本模型一般設定為：

近年來我國雙重差分研究的運用進人快速增長期”，但是在方法運用中存在不少問題，根本原因在於忽視了“自然實驗”才是雙重差分方法的基本前提條件，將一些不合格的政策衝擊視為自然實驗，導致政策評估結果存在偏差甚至錯誤。

以下我們列舉三個雙重差分方法應用過程中容易出現的問題以及修正方法。

1、“政策內生性”和“選擇性偏誤”

分組不當與時間劃分不當導致無法滿足隨機分組和隨機抽樣的條件，是造成“政策內生性”和“選擇性偏誤”的根本原因。

理論上，透過隨機分組和隨機劃分時間，實現平行趨勢假定，才能根據對照組在處理後的值，推算出處理組若沒有接受處理的情況（也就是反事實），從而相減得到平均處理效應。

如果分組和樣本選擇的目的性較強，可能導致隨機性為特徵的自然實驗難以成立。如以企業進人胡潤百富榜為自然實驗，葉青等研究其對會計資訊披露質量的影響，但違背隨機分組和隨機抽樣的要求。

白重恩等對出口退稅政策效果的研究也存在政策內生性問題。修正方法除了進行相關的實驗前測之外，還可以進行隨機抽樣的辦法予以緩解。

時間劃分不當可能由於所認定的事件本身就是系統內部執行或相關的結果。2009年“四萬億”財政擴張政策在一定程度上內生於經濟內部系統（應對國際金融危機），都與宏觀經濟環境高度相關，如儲著貞、梁權熙的研究一定程度存在這種問題。解決方法除實驗前測外，還可以透過更換與政策目標不直接相關的被解釋變數、控制變數加以緩解。

2、分組樣本的異質性

在隨機分組後，樣本的簡單選擇造成忽視樣本的異質性問題，產生迴歸結果偏差。Moser P和Voena A研究了一些發展中國家實施強制許可制度是否能促進本國相關產業技術進步的問題。

本文藉助一戰後1917年10月6日美國透過的《敵對國家貿易法案（TWEA）》作為外生的自然實驗，利用美國有機化學產業中19個主行業下含7248個子行業）1875——1939年的資料。

子行業當年只要得到一個強制許可專利就視為處理組。相當於前文式（1）中的組別虛擬變數TREAT和處理時間虛擬變數YEAR的互動項。常規情況下，處理變數在處理前後賦值是0、1，這種方式的不足是忽視了樣本的異質性。

在本文中不能體現處理程度的差異，如得到一個強制許可專利的是處理組，得到10個的也是處理組，但它們的影響肯定是不同的，可都賦值為1。針對這個情況，國外開始採用所謂連續型DID，本文中用強制許可專利數、終身專利數及其平方項的連續變數，作為處理變數的代理變數。

從形式上看，這是標準的面板雙固定效應模型，也是DID的外延進一步擴充套件。

3、平行趨勢檢驗和動態異質性

在stata新出的命令didq可以實現上述檢驗，R Mora & I Reggio具體給出了平行趨勢檢驗假定的證明過程。

以上便是對與雙重差分模型應用中常見的問題列舉與解決方法介紹，你學廢了嗎？