在計量經(jīng)濟學研究中硬鞍，雙重差分法(Difference-in-Difference化戳，DID)多用于公共政策或項目實施效果評估。近年來切平，雙重差分法受到越來越多研究人員的青睞握础；本文將從雙重差分法的原理、假設悴品、模型說明以及案例講解四方面進行介紹：

（一）原理

雙重差分法普遍應用于政策效應評估研究禀综。

例如研究 “ 京津冀協(xié)同發(fā)展 ” 、“ 高鐵開通 ” 等政策實施帶來的影響情況他匪。

基本思想：

我們一般將使得自然環(huán)境發(fā)生改變的實驗叫做自然實驗。

雙重差分法是一種比較成熟的進行政策研究的分析方法夸研，其作用原理與自然實驗相類似邦蜜。它將某項政策的實施看作是一項自然實驗，通過在樣本中加入一組未受政策影響控制組亥至，與原本受政策影響的樣本點構(gòu)成實驗組進行比較分析悼沈，來考察政策實施對分析對象造成的凈影響。

（二）假設

使用雙重差分法進行政策效應評估姐扮，樣本數(shù)據(jù)需要滿足三個假設絮供，分別是線性關系假設、個體處理穩(wěn)定性假設茶敏、平行趨勢假設壤靶。前兩個假設一般都會滿足，不需要單獨進行驗證惊搏，應該重點驗證假設3贮乳。

假設1——線性關系假設

潛在結(jié)果變量同處理變量和時間變量滿足線性條件。

假設2——個體處理穩(wěn)定性假設

政策干預只影響實驗組恬惯，不會對控制組產(chǎn)生交互影響向拆。

假設3——平行趨勢假設（最重要）

實驗組和控制組在沒有政策干預之前，二者的結(jié)果效應趨勢應該是一樣的（滿足平行趨勢）酪耳。

SPSSAU進行平行趨勢檢驗的方法主要可分為以下幾種：

以上檢驗方法將在下述案例講解中進行演示說明浓恳。

（三）模型說明

雙重差分法模型如下：

其中，i 代表個體，t 代表時間颈将。Treat i 是分組虛擬變量梢夯，如果個體 i 屬于實驗組， 則Treat i =1吆鹤；否則Treat i =0 厨疙。 After t 是分期虛擬變量，時間 t 在政策事件發(fā)生后疑务，則 After t =1沾凄；否則 After t = 0；Treat i *After t為交互項知允，其系數(shù)β3即為雙重差分模型重點考察的政策實施的凈效應撒蟀。

模型系數(shù)含義：

原理示意圖：

（四）案例講解

1、背景說明

研究經(jīng)濟示范區(qū)的設立是否會對地區(qū)經(jīng)濟增長產(chǎn)生影響（數(shù)據(jù)虛構(gòu)温鸽，無實際意義）保屯。

實驗組為設立為高新區(qū)的B地區(qū)，控制組為與B地區(qū)除是否設立高新區(qū)這一因素外涤垫，其余發(fā)展條件相似的A地區(qū)姑尺。數(shù)字0為政策實施前，數(shù)字1為政策實施后蝠猬。研究的效應項即被解釋變量Y為 “ GDP ”切蟋，除此之外，還有3個控制變量（如：人口榆芦、對外投資柄粹、高校數(shù)量等會影響GDP的指標）。

2匆绣、數(shù)據(jù)格式

雙重差分法的數(shù)據(jù)格式如下圖所示驻右，地區(qū)1表示實驗組，地區(qū)0表示控制組崎淳；時間1表示政策實施后堪夭，時間0表示政策實施前。

3拣凹、SPSSAU操作

使用SPSSAU進行雙重差分法操作如下茵瘾，將指標分別拖拽到左側(cè)對應分析框中：

4、輸出結(jié)果解讀

雙重差分法得到的分析結(jié)果咐鹤，需要重點關注的表格包括DID模型描述統(tǒng)計表拗秘、DID模型結(jié)果匯總表、t檢驗(Before)表祈惶、OLS回歸分析結(jié)果表雕旨，分別說明如下：

• DID模型描述統(tǒng)計

上表格展示實驗組扮匠、控制組，以及實驗前后的樣本分布情況凡涩。從上表可知棒搜，本案例實驗組共有155個樣本，控制組共有646個樣本活箕。雙重差分法共4種組合力麸，即實驗組實驗前、實驗組實驗后育韩、控制組實驗前克蚂、控制組實驗后，每種組合一定要有數(shù)據(jù)才可以筋讨。

• DID模型結(jié)果匯總

上表格展示DID模型最終結(jié)果埃叭。分別包括實驗前（Before）和實驗后（After）時，控制組或?qū)嶒灲M的效應值水平悉罕。

效應值：效應值是一種量化指標赤屋，并非被解釋變量從業(yè)人數(shù)的平均值（但通常接近于平均值），數(shù)學原理上其為ols回歸的回歸系數(shù)值。

表格解讀：

①實驗前Before狀態(tài)時，實驗組和控制組的差分效應量對應的t檢驗的p=0.556>0.05，沒有呈現(xiàn)出顯著性差異，即說明實驗前温治，實驗組和控制組的效應水平結(jié)果沒有明顯的差異性，即說明樣本滿足 ‘平行趨勢假設 ’。

②實驗后After狀態(tài)時，實驗組和控制組的差分效應量對應t檢驗的p=0.024<0.05令哟，呈現(xiàn)出顯著性差異恼琼，即說明在實驗后妨蛹，實驗組的效應值明顯高于控制組效應值。

③Diff-in-Diff晴竞，即最終的雙重差分值蛙卤，上表格時，雙重差分效應值為2.935且對應t檢驗的p=0.045<0.05噩死，呈現(xiàn)出顯著性差異颤难，即說明雙重差分效應顯著，說明 “ 高新區(qū)的設立 ” 有助于 “ 地區(qū)經(jīng)濟增長 ”已维，提高的平均效應水平為2.935行嗤。

• t檢驗（Before）（平行趨勢檢驗）

上表格展示t檢驗法進行“ 平行趨勢檢驗 ”：針對實驗前數(shù)據(jù)進行t檢驗，可以看出垛耳，實驗組和控制組并沒有呈現(xiàn)出顯著性差異（p=0.978>0.05）栅屏，說明在實驗前飘千，實驗組和控制組的GDP并沒有明顯的差異性，即樣本滿足平行趨勢假設（通常僅關注被解釋變量Y的差異性）栈雳。

補充：平行趨勢檢驗的其他方法

• 交互項顯著性檢驗法

① 將時間項做啞變量處理 【生成變量->虛擬(啞)變量】

② 將時間_實驗前與地區(qū)作交互項得到Product_2項 【生成變量->乘積(交互項)】

③ 交互項與被解釋變量Y做線性回歸护奈，判斷交互項顯著性。

從上表可以看出哥纫，交互項Product_2項對應p=0.957>0.05霉旗，沒有呈現(xiàn)出顯著性，說明樣本數(shù)據(jù)滿足平行趨勢假設蛀骇。?

• F檢驗法

與交互項顯著性檢驗法檢驗過程一樣厌秒，最后查看F統(tǒng)計量顯著性。

從上表可以看出松靡，F(xiàn)統(tǒng)計量對應p=0.957>0.1（一般以p>0.1作為標準）简僧，沒有呈現(xiàn)出顯著性，說明樣本數(shù)據(jù)滿足平行趨勢假設雕欺。

• 圖示法

使用SPSSAU簇狀圖完成岛马，橫坐標為時間，縱坐標為被解釋變量Y：

從上圖可以看出屠列，實驗前實驗組和控制組的GDP效應水平基本一致啦逆，因此樣本數(shù)據(jù)滿足平行趨勢假設。

• OLS回歸分析結(jié)果

上表格展示OLS回歸分析結(jié)果笛洛，其為雙重差分模型的數(shù)學原理夏志。

如上表格中 “ 地區(qū)*時間 ” 這一交互項的回歸系數(shù)值2.935即為 “ DID模型結(jié)果匯總 ”表格中的Diff-in-Diff效應值。

其他說明

雙重差分法的模型和原理相比其他方法來講比較容易理解和運用苛让，同時其能夠很大程度地避免內(nèi)生性問題沟蔑，即有效控制被解釋變量和解釋變量之間的相互影響效應，這兩點主要原因使得雙重差分法近年來被廣泛應用狱杰。

但是雙重差分法也有其局限性瘦材。比如雙重差分法主要適用于面板數(shù)據(jù)，如果只是截面數(shù)據(jù)仿畸，就不適合使用該方法食棕；再者在實際研究中，很可能找不到合適的控制組來進行比較错沽，那么研究者很可能根據(jù)主觀判斷選取控制組簿晓，導致研究不夠嚴謹。所以在實際研究中千埃，一定要關注雙重差分法使用的前提假設等憔儿。如果確實不適合使用雙重差分法，可以選擇其他方法進行分析放可，比如PSM-DID谒臼、合成控制法等等唱逢。

案例數(shù)據(jù)請查看幫助手冊：https://spssau.com/helps/conometricstudy/did.html