网站开发 证书,专业网站设计的公司价格,绿色在线网站模板下载,重庆永川网站建设报价01简介现代计量经济学和统计学的发展为我们的研究提供了可行的工具。倍差法来源于计量经济学的综列数据模型#xff0c;是政策分析和工程评估中广为使用的一种计量经济方法。主要是应用于在混合截面数据集中#xff0c;评价某一事件或政策的影响程度。该方法的基本思路是将调… 01简介现代计量经济学和统计学的发展为我们的研究提供了可行的工具。倍差法来源于计量经济学的综列数据模型是政策分析和工程评估中广为使用的一种计量经济方法。主要是应用于在混合截面数据集中评价某一事件或政策的影响程度。该方法的基本思路是将调查样本分为两组一组是政策或工程作用对象即“作用组”一组是非政策或工程作用对象即“对照组”。根据作用组和对照组在政策或工程实施前后的相关信息可以计算作用组在政策或工程实施前后某个指标(如收入)的变化量(收入增长量)同时计算对照组在政策或工程实施前后同一指标的变化量。然后计算上述两个变化量的差值(即所谓的“倍差值”)。这就是所谓的双重差分估计量(Difference in Differences简记DD或DID)因为它是处理组差分与控制组差分之差。该法最早由Ashenfelter(1978)引入经济学而国内最早的应用或为周黎安、陈烨(2005)。常用的倍差法主要包括双重倍差法和三重倍差法。双重差分法(Difference-in-difference,DID)有几种其他的称谓倍差法、差分再差分等。该方法的原理非常简单它要求数据期至少有两期所有的样本被分为两类实验组和控制组其中实验组在第一期是没有受到政策影响此后政策开始实施第二期就是政策实施后的结果控制组由于一直没有受政策干预因此其第一期和第二期都是没有政策干预的结果。双重差分方法的测算也非常简单两次差分的效应就是政策效应。双重差分法的假定为了使用OLS一致地估计方程需要作以下两个假定。 假定1此模型设定正确。特别地无论处理组还是控制组其时间趋势项都是。此假定即“平行趋势假定”(parallel trend assumption)。DID最为重要和关键的前提条件共同趋势(Common Trends)双重差分法并不要求实验组和控制组是完全一致的两组之间可以存在一定的差异但是双重差分方法要求这种差异不随着时间产生变化也就是说处理组和对照组在政策实施之前必须具有相同的发展趋势。假定2暂时性冲击与政策虚拟变量不相关。这是保证双向固定效应为一致估计量(consist estimator)的重要条件。在此可以允许个体固定效应与政策虚拟变量相关(可通过双重差分或组内变换消去或通过LSDV法控制)。DID允许根据个体特征进行选择只要此特征不随时间而变这是DID的最大优点即可以部分地缓解因 “选择偏差”(selection bias)而导致的内生性(endogeneity)。02双重差分操作案例Difference in differences (DID) Estimation step‐by‐step双重差分操作步骤首先我们读入所需数据生成政策前后以及控制组虚拟变量并将它们相乘产生交互项。方法一Getting sample data调用数据use http://dss.princeton.edu/training/Panel101.dta, clearCreate 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.设置虚拟变量政策执行时间为1994年gen time (year1994) !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生成地区的虚拟变量gen treated (country4) !missing(country)* Create an interaction between time and treated. We will call this interaction ‘did’ 产生交互项gen did time*treatedEstimating the DID estimator随后将这三个变量作为解释变量y作为被解释变量进行回归reg y time treated did, r结果为did的系数显著为负表明政策实施对Y有显著的(10%显著性水平下)负效应方法二diffThe command diff is user‐defined for StataTo install type ssc install diff下载外部命令方法diff y, t(treated) p(time)03双重差分平行趋势检验平行趋势检验首先生成年份虚拟变量与实验组虚拟变量的交互项此处选在政策前后各3年进行对比。gen period year - 1994forvalues i 3(-1)1{gen pre_i (period -i treated 1) }gen current (period 0 treated 1)forvalues j 1(1)3{gen time_j (period j treated 1) }随后将这些交互项作为解释变量进行回归并将结果储存在reg中以备后续检验。 xtreg y time treated pre_* current time_* i.year, fe est sto reg采用coefplot命令进行绘图观察是否1994年前的回归系数均在0轴附近波动在1994年后回归系数显著为负。coefplot reg, keep(pre_* current post_*) vertical recast(connect) yline(0) xline(3, lp(dash))结果发现系数在政策前的确在0附近波动而政策后一年系数显著为负但很快又回到0附近。这说明实验组和控制组的确是可以进行比较的而政策效果可能出现在颁布后一年随后又很快消失。
