视频字幕
欢迎了解双重差分法。双重差分法是计量经济学中的一种准实验方法，用于估计政策或干预措施的因果效应。其核心思想是通过比较处理组与控制组在干预前后的结果变量变化差异，来识别干预的净效应。在图中，蓝线表示控制组，红线表示处理组，绿色箭头表示干预效应。这种方法特别适用于评估非随机分配的干预措施的因果效应，例如评估某项政策对特定群体的影响。
双重差分法可以用数学公式表示。双重差分估计量是处理组在干预前后的差异，减去控制组在同一时期的差异。用数学符号表示为：δ等于处理组在时间1的结果减去时间0的结果，再减去控制组在时间1的结果减去时间0的结果。这个表格展示了双重差分法的计算过程，其中红框标出的单元格就是最终的双重差分估计量，它代表了干预措施的净效应。
双重差分法通常通过回归模型来实现。标准的双重差分回归方程包含四个关键变量：常数项、处理组虚拟变量、时间虚拟变量，以及两者的交互项。其中，交互项的系数β₃就是我们关心的双重差分估计量，它代表了干预的净效应。在这个回归模型中，β₀表示控制组在干预前的平均结果，β₁表示处理组和控制组在干预前的差异，β₂表示控制组在干预前后的变化，而β₃则是我们最关心的干预效应。这种回归方法使得我们可以控制其他可能影响结果的因素，从而得到更准确的因果效应估计。
双重差分法的有效性依赖于平行趋势假设。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应该沿着相同的趋势变化。换句话说，控制组的变化趋势可以作为处理组在没有干预情况下的反事实。在图中，红色虚线表示处理组如果没有接受干预可能的发展轨迹。为了验证这一假设，研究者通常会进行事前平行趋势检验、安慰剂检验、事件研究法分析或多期双重差分分析。这些方法有助于确保我们得到的估计结果是可靠的因果效应，而不仅仅是相关性。
双重差分法在计量经济学研究中有广泛的应用。经典案例包括Card和Krueger关于最低工资对就业影响的研究，以及各种教育政策评估。随着研究方法的发展，双重差分法也有了多种扩展形式，如合成控制法、三重差分法和结合面板数据固定效应的模型。双重差分法的主要优势在于能够控制不随时间变化的不可观测因素，但它也有局限性，主要是依赖平行趋势假设，且不能控制随时间变化的不可观测因素。总之，双重差分法是计量经济学中评估因果效应的强大工具，但研究者在应用时需要谨慎考虑其假设条件和潜在局限性。