视频字幕
双重差分是一种计量经济学方法，用于估计政策、项目或干预措施的因果效应。它通过比较受到干预的"处理组"和未受到干预的"控制组"在干预"之前"和"之后"的结果变量的变化差异来估计干预效果。在图表中，蓝线表示处理组，红线表示控制组，我们可以看到干预前两组的起点相同，但干预后处理组的结果变量增长更多。
双重差分的计算过程包括三个步骤：首先，计算处理组在干预前后的结果变化，在我们的例子中，处理组从2上升到5，变化量为3。其次，计算控制组在同一时期的结果变化，控制组从2上升到3，变化量为1。最后，用处理组的变化减去控制组的变化，即3减1等于2，这个值就是干预措施的净效应。通过这种方法，我们可以剥离掉那些同时影响两组的时间趋势因素，如宏观经济变化或技术进步等。
双重差分方法的核心假设是"平行趋势假设"。这一假设认为，在没有干预的情况下，处理组和控制组的结果变量会随时间呈现相同的变化趋势。在图中，我们可以看到干预前两组的趋势是平行的。干预后，处理组的实际结果（蓝色实线）高于其假设的反事实结果（蓝色虚线），这个差距就是干预的效应。如果平行趋势假设不成立，我们的估计将会有偏误。研究者通常通过检验干预前的趋势是否平行来验证这一假设的合理性。
双重差分方法在多个领域有广泛应用，包括政策评估、教育干预、公共卫生和环境政策等。在实证研究中，双重差分通常通过回归模型来实现，其中关键的参数是处理变量与时间变量的交互项系数，它捕捉了干预的因果效应。经典的应用案例包括Card和Krueger关于最低工资对就业影响的研究，以及Duflo关于学校建设对教育和工资影响的研究。随着方法的发展，双重差分也有了多种扩展形式，如处理多时期数据的扩展双重差分、引入第三维度差异的三重差分，以及处理单一处理单位的合成控制法等。这些方法都是因果推断工具箱中的重要组成部分。