|
一,、簡介 現(xiàn)代計量經(jīng)濟學(xué)和統(tǒng)計學(xué)的發(fā)展為我們的研究提供了可行的工具。倍差法來源于計量經(jīng)濟學(xué)的綜列數(shù)據(jù)模型,，是政策分析和工程評估中廣為使用的一種計量經(jīng)濟方法,。主要是應(yīng)用于在混合截面數(shù)據(jù)集中，評價某一事件或政策的影響程度,。該方法的基本思路是將調(diào)查樣本分為兩組,，一組是政策或工程作用對象即“作用組”，一組是非政策或工程作用對象即“對照組”,。根據(jù)作用組和對照組在政策或工程實施前后的相關(guān)信息,，可以計算作用組在政策或工程實施前后某個指標(biāo)（如收入）的變化量（收入增長量），同時計算對照組在政策或工程實施前后同一指標(biāo)的變化量,。然后計算上述兩個變化量的差值（即所謂的“倍差值”）,。這就是所謂的雙重差分估計量（Difference in Differences，簡記DD或DID）,，因為它是處理組差分與控制組差分之差,。該法最早由Ashenfelter（1978）引入經(jīng)濟學(xué)，而國內(nèi)最早的應(yīng)用或為周黎安,、陳燁（2005）,。 常用的倍差法主要包括雙重倍差法和三重倍差法。雙重差分法（Difference-in-difference,DID）有幾種其他的稱謂：倍差法,、差分再差分等,。該方法的原理非常簡單，它要求數(shù)據(jù)期至少有兩期,，所有的樣本被分為兩類：實驗組和控制組,，其中實驗組在第一期是沒有受到政策影響，此后政策開始實施,，第二期就是政策實施后的結(jié)果，控制組由于一直沒有受政策干預(yù),，因此其第一期和第二期都是沒有政策干預(yù)的結(jié)果,。雙重差分方法的測算也非常簡單，兩次差分的效應(yīng)就是政策效應(yīng),。 雙重差分法的假定,，為了使用OLS一致地估計方程，需要作以下兩個假定。 假定1：此模型設(shè)定正確,。特別地,，無論處理組還是控制組，其時間趨勢項都是,。此假定即“平行趨勢假定”（parallel trend assumption）,。 DID最為重要和關(guān)鍵的前提條件：共同趨勢（Common Trends） 雙重差分法并不要求實驗組和控制組是完全一致的，兩組之間可以存在一定的差異,，但是雙重差分方法要求這種差異不隨著時間產(chǎn)生變化,，也就是說，處理組和對照組在政策實施之前必須具有相同的發(fā)展趨勢,。 假定2：暫時性沖擊與政策虛擬變量不相關(guān),。這是保證雙向固定效應(yīng)為一致估計量（consist estimator）的重要條件。 在此,，可以允許個體固定效應(yīng)與政策虛擬變量相關(guān)（可通過雙重差分或組內(nèi)變換消去,，或通過LSDV法控制）。 DID允許根據(jù)個體特征進行選擇,，只要此特征不隨時間而變,；這是DID的最大優(yōu)點，即可以部分地緩解因 “選擇偏差”（selection bias）而導(dǎo)致的內(nèi)生性（endogeneity）,。 二,、雙重差分操作案例 Difference in differences (DID) Estimation step‐by‐step雙重差分操作步驟 首先我們讀入所需數(shù)據(jù)，生成政策前后以及控制組虛擬變量,，并將它們相乘產(chǎn)生交互項,。 方法一： Getting sample data調(diào)用數(shù)據(jù) use 'http://dss./training/Panel101.dta', clear Create a dummy variable to indicate the time when the treatment started. Lets assume that treatment started in 1994. In this case, years before 1994 will have a value of 0 and 1994+ a 1. If you already have this skip this step.設(shè)置虛擬變量，政策執(zhí)行時間為1994年 gen time = (year>=1994) & !missing(year) *Create a dummy variable to identify the group exposed to the treatment. In this example lets assumed that countries with code 5,6, and 7 were treated (=1). Countries 1-4 were not treated (=0). If you already have this skip this step生成地區(qū)的虛擬變量 gen treated = (country>4) & !missing(country) * Create an interaction between time and treated. We will call this interaction ‘did’ 產(chǎn)生交互項 gen did = time*treated Estimating the DID estimator隨后將這三個變量作為解釋變量,，y作為被解釋變量進行回歸： reg y time treated did, r 結(jié)果為： did的系數(shù)顯著為負(fù),，表明政策實施對Y有顯著的（10%顯著性水平下）負(fù)效應(yīng) 方法二：diff The command diff is user‐defined for Stata，To install type ssc install diff下載外部命令方法 diff y, t(treated) p(time) 三,、雙重差分平行趨勢檢驗 平行趨勢檢驗 首先生成年份虛擬變量與實驗組虛擬變量的交互項,，此處選在政策前后各3年進行對比。 gen period = year - 1994 gen pre_`i' = (period == -`i' & treated == 1) } } 隨后將這些交互項作為解釋變量進行回歸,，并將結(jié)果儲存在reg中以備后續(xù)檢驗,。 xtreg y time treated pre_* current time_* i.year, fe est sto reg 采用coefplot命令進行繪圖，觀察是否1994年前的回歸系數(shù)均在0軸附近波動,，在1994年后回歸系數(shù)顯著為負(fù),。 coefplot reg, keep(pre_* current post_*) vertical recast(connect) yline(0) xline(3, lp(dash)) 結(jié)果發(fā)現(xiàn)系數(shù)在政策前的確在0附近波動，而政策后一年系數(shù)顯著為負(fù),，但很快又回到0附近,。這說明實驗組和控制組的確是可以進行比較的,，而政策效果可能出現(xiàn)在頒布后一年，隨后又很快消失,。 來源計量經(jīng)濟學(xué)服務(wù)中心
|
|
|
