双重差分模型?(Difference-in-difference model)Р陈佳庚 2014年7月3日Р背景Р通常大范围的公共政策有别于普通科研性研究,难以保证对于政策实施组和对照组在样本分配上的完全随机。非随机分配政策实施组和对照组的试验称为自然试验( natural trial) ,此类试验存在较显著的特点,即不同组间样本在政策实施前可能存在事前差异,仅通过单一前后对比或横向对比的分析方法会忽略这种差异,继而导致对政策实施效果的有偏估计。?DID 模型正是基于自然试验得到的数据,通过建模来有效控制研究对象间的事前差异,将政策影响的真正结果有效分离出来。Р三种表现形式Р表格?图形?回归方程Р一般化DID 模型?由于一般大规模的人群调查存在较大的变异性问题,仅在模型中纳入虚拟变量“分组( A) ”、“时间( T) ”是远远不够的。为了提高解释系数R2,需要加入其他可能影响被解释变量的因素,即控制除分组、时间变量以外的其他变量。对于结局变量是一些偏态分布的连续性变量,可通过非线性处理( 如取自然对数)后再行建模,而进一步提高模型的拟合度。
全文预览
