4月21日中午12点，经济与社会研究院“实证研究阅读小组”第四次论文阅读活动在中惠楼106举行。研究院及经济学院20余名师生参与了此次阅读分享。在本次活动中，研究院助理教授Jun Hyung Kim结合Roth等人的最新论文“What’s Trending in Difference-in-Differences? A Synthesis of the Recent Econometrics Literature”进行了分享。

Jun Hyung Kim

双重差分法（Differences-in-differences，DID）是当前实证研究中最为常用的因果识别方法之一。标准DID设定中，政策实施时点为同一时期，并要求处理组和控制组在政策干预前满足平行趋势假定。在这一情况下，可以通过双向固定效应（TWFE）模型得到对平均处理效应（Average Treatment Effect，ATT）的一致估计。

近年来，许多文献从不同方面对DID方法进行拓展。其中一支文献讨论了存在多个政策时点的DID设定。有部分学者指出，在多时点DID中，由于TWFE回归既可能在处理过的和尚未处理的个体之间进行“干净”的比较，也可能在已经处理过的个体之间进行“错误的”比较，因此，当处理效应存在异质性时，这种估计方法可能存在缺点。例如，由于“负权重”问题，TWFE回归系数可能得到“错误的”符号。

针对上述问题，文献中提出了多种对TWFE模型进行“诊断“（diagnostics）的方法，如de Chaisemartin和D’Haultfoeuille（2020）建议研究者报告使得处理效应出现”错误符号“所需的异质性程度，Goodman-Bacon（2021）则建议报告不同分组在估计系数中所占权重。此外，Callaway和Sant’Anna（2021）、Gardner（2021）、de Chaisemartin和D’Haultfoeuille（2020）等研究提出了新的估计量，以替代TWFE对平均处理效应进行估计。

DID方法的第二支文献，讨论了平行趋势假设不能得到满足时的DID设定。Meyer（1995），Abadie（2005），Heckman等（1997）等研究放松了平行趋势假定，考虑了当平行趋势假定仅在以可观测协变量为条件时才成立（即满足“条件平行趋势“）的情境，并提出了相应的估计方法。

即便如此，时变的混杂因素仍有可能使条件平行趋势假定无法得到满足。因此，在实际应用中，研究者通常会对平行趋势假定进行检验。常用的平行趋势检验方法，可能由于较低统计功效（Power）而提高了犯第二类错误的概率，因此没有拒绝原假设。此外，样本不具备代表性，也会使平行趋势检验得到“错误”的结果。基于此，Bilinski 和Hatfield（2018）、Dette和Schumann（2020）、Rambachan和Roth（2021）提出了替代性的平行趋势检验方法。

此外，DID的另一支文献，讨论了当控制组与处理组所属群组（Clusters）数量较少时的情境。这一情况可能导致传统的聚类稳健标准误统计性质较差。基于此，Canay等（2017）、Ferman和Pinto（2019）等学者，提出了基于置换检验（Permutation Test）、bootstrap等方法计算的标准误估计量。

活动现场