5月12日中午12点，经济与社会研究院“实证研究阅读小组”第五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，研究院助理教授唐曲基于de Chaisemartin与D‘Haultfoeuille的论文“Two-way Fixed Effects and Differences-in-Differences with Heterogeneous Treatment Effects: A Survey”进行了分享。

唐曲

双向固定效应模型（Two-way Fixed Effects，TWFE）是经济学实证研究中最常用的识别处理效应（Treatment Effect）的估计方法之一。在只有两组、两期的DID设定中，只要处理组和控制组满足平行趋势假设，就可以通过TWFE回归得到对平均处理效应（Average Treatment Effect，ATE）的无偏估计。而在多期DID、处理变量为连续变量等更为复杂的情境中，除了平行趋势假定，还需要满足处理效应在不同时点与不同组之间没有差异的假设，TWFE估计量才会是ATE的无偏估计。

然而，在现实中，第二个假设往往无法满足，因此TWFE的估计系数可能是有偏的。此外，de Chaisemartin和D‘Haultfoeuille（2022）指出，一个可能更为严重的问题是，在存在异质性处理效应的多时点DID设定中，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，在计算加权平均处理效应时，某些组的处理效应可能得到负的权重。在一些特殊情况下，“负权重”问题甚至可能导致TWFE回归系数得到“错误的”符号。

针对TWFE估计量的局限性，部分学者提出了替代性的估计方法。这类方法被认为可以在处理效应存在异质性的多期DID设定中得到对ATE的无偏估计，因此被称为“异质性稳健DID估计量”（Heterogeneity-robust DID Estimators）。de Chaisemartin and D‘Haultfoeuille (2020)提出了一种估计方法，在处理变量为虚拟变量且处理效应没有动态性（即处理效应与过去的处理状态无关）时，通过计算两种处理效应的加权平均值得到对ATE的无偏估计：一是对比t-1期未受处理而t期受到处理的组（Switching-in Groups）与在两期都没有受到处理的组所得到的处理效应；二是对比t-1期受到处理而t期没有受到处理的组（Switching-out Groups）与在两期都受到处理的组所得到的处理效应。这种方法可以通过Stata或R命令did_multiplegt实现。de Chaisemartin et al.（2022）则将这一方法拓展到了处理变量为连续变量的情形。

而针对处理效应存在动态性的情境，Callaway和Sant’Anna（2021）、Sun和Abraham（2021）与Borusyak et al.（2021）分别提出了替代性的估计方法。Callaway和SantAnna（2021）将t期以前从未受到处理的组作为控制组进行估计。他们的方法可以通过Stata命令csdid实现。Callaway和SantAnna（2021）还提出了放松平行趋势假设，仅仅满足条件平行趋势假设时的估计量。Sun和Abraham（2021）同样使用从未受到处理的组作为控制组，当不存在从未受到处理的组时，则将最后受到处理的组作为控制组进行估计。他们的方法可以通过Stata命令eventstudyinteract实现。Borusyak et al.（2021）的方法则使用TWFE方法，估计组固定效应、时间固定效应与每个处理组——控制组组合（Treated Cell）的固定效应。在满足平行趋势假定和高斯—马尔可夫定理（Gauss–Markov Theorem）时，模型估计系数是对ATE的最小方差估计量，因此可能比Callaway和SantAnna（2021）与Sun和Abraham（2021）的估计量更为有效。这种方法可以通过Stata命令did_imputation实现。此外，de Chaisemartin and D0Haultfoeuille（2021）将上述适用于处理变量为虚拟变量的多时点DID设计的方法，拓展到处理变量为虚拟或离散变量的多时点DID设计，与处理变量为连续变量的非多时点DID情境中。他们的方法可以用Stata命令did_multiplegt实现。

在场师生针对论文中提到的各类估计方法的优缺点与进一步发展方向展开了深入探讨，现场气氛十分融洽。

活动现场