综合整理⾃：
1、混合横截⾯政策分析：垃圾焚烧⼚的区位对住房价格的影响 2、双重差分学习⼿册
3、stata中双重差分操流程及代码
遥望宋朝⽬录
1 、简介
2、命令介绍
3、操作应⽤案例1：垃圾焚化炉的区位对住房价格的影响 4、双重差分案例2：最低⼯资法能否会降低对低技能⼯⼈的需求？
5、Stata中双重差分操流程及代码
1 、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）。
2、命令介绍
下载安装命令⽅法为：
ssc install diff, replace 下载安装⽅法（外部命令）
语法格式为：
diff outcome_var [ if] [ in] [weight] ,[ options]
模型必选项介绍：
其中“outcome_var”表⽰结果变量
“treat(varname) ”为必选项，⽤来指定处理变量
“period(varame)”⽤来指定实验期虚拟变量（1=实验期，0=⾮实验期）
可选项介绍：
cov(varlist)，协变量，加上kernel可以估计倾向得分
kernel，执⾏双重差分倾向得分匹配
id(varname)，kernel选项要求使⽤
bw(#) ，核函数的带宽，默认是0.06
ktype(kernel)，核函数的类型
qdid(quantile)，执⾏分位数双重差分
pscore(varname) 提供倾向得分
logit，进⾏倾向得分计算，默认probit回归
ddd(varname)，三重差分
SE/Robust
cluster(varname) 计算聚类标准误。
robust 稳健标准误
3、操作应⽤案例1：垃圾焚化炉的区位对住房价格的影响
本⽂以伍德⾥奇书籍配套数据为例，介绍新建垃圾焚烧⼚对房价影响。
原⽂为：
House Prices during Siting Decision Stages: The Case of an Incinerator from Rumor through Operation
Author:Katherine A. Kiel Katherine T. McClain
垃圾焚化炉的区位对住房价格的影响
基尔和麦克菜思( Kiel and Mcclain，1995)曾研究，在马萨诸塞州北安德沃市，⼀个新建的垃圾焚化炉对住房价值的影
基尔和麦克菜思( Kiel and Mcclain，1995)曾研究，在马萨诸塞州北安德沃市，⼀个新建的垃圾焚化炉对住房价值的影响。他们利⽤多年的数据并作了相当复杂的计量经济分析，我们将只利⽤两年的数据和些简化模型，但我们的分析仍与之相似。
1978年开始传⾔要在北安德沃市兴建⼀座垃圾焚化炉，⽽于1981年开始动⼯，⼈们预料动⼯后不久化炉便会投⼊运转；事实上1985年オ开始运转。我们将利⽤1978年住房出售的价格数据和1981年售价的另⼀个样本数据。我们的假设是，靠近焚化炉的房价相对远离焚化炉的房价要下跌。
为便于说明，若房⼦位于焚化炉3英⾥以内，我们便称之为靠近。
我们先来看看距离的远近对房价的美元影响。这就要求我们⽤不变美元来度量价格。我们⼀律⽤波⼠顿住房价格指数接1978年美元计算房价，令rprice为真实住房价格。
⼀位天真的分析者会仅仅使⽤1981年的数据并估计⼀个⾮常简单的模型
其中， nearinc是在住房靠近焚化炉时等于1，否则等于0的⼀个⼆值变量，⽤ KIELMC中的数据估计这个⽅程，
一汽佳宝6371
因为这是⼀个仅对单个虚拟变量的简单回归，所以截距就是远离焚化炉的住房平均售价，⽽ nearinc的系数则代表靠近焚化炉与远离焚化炉的住房平均售价之差。估计结果表明，前者的平均售价⽐后者的要低30688.27美元。统计量的绝对值⼤于5；从⽽我们可以强有⼒地拒绝靠近焚化炉的住房与远离的有相同价值这⼀原假设
1978年回归结果表明靠近焚化炉的住房⽐远离他的平均房价低了18824.37美元;⽽且这⼀差额也是统计显著的。这正符合焚化炉本来就要建造在房价低地带的观点。
3.1、导⼊并且查看数据
use "C:\Users\admin\Desktop\KIELMC.DTA".
ed
desc
数据介绍：在这⾥⾯的我们将1978年作为y81=0，然后1981这样的⼀个新建垃圾焚烧⼚建⽴时期等于1。nearinc表⽰新建垃圾焚烧⼚的距离，lprice 表⽰房价
3.2、nearinc表⽰=1 if dist <= 15840
然后查看新建垃圾焚烧⼚的分布
tabulate nearinc
朱古亭=1 ifdist |
<= 15840 | Freq. Percent Cum.
------------+-----------------------------------
0 | 225 70.09 70.09
分数的基本性质教学设计1 | 96 29.91 100.00
------------+-----------------------------------
Total | 321 100.00
3.3、基本回归分析
胡和生简介3.3、基本回归分析
传统做法只进⾏1981年的回归分析，⽅程为：
regress lprice nearinc if y81
regress lprice nearinc if y81==0
regress lprice nearinc ify81
Source | SS df MS Number of obs = 142
-------------+---------------------------------- F(1, 140) = 38.85
Model | 4.65649365 1 4.65649365 Prob > F = 0.0000 Residual | 16.7808607 140 .119863291 R-squared = 0.2172 -------------+---------------------------------- Adj R-squared = 0.2116 Total | 21.4373543 141 .152037974 Root MSE = .34621
------------------------------------------------------------------------------lprice | Coefficient Std. err. t P>|t| [95% conf. interval]
-------------+----------------------------------------------------------------nearinc | -.402572 .0645888 -6.23 0.000 -.5302675 -.2748765 _cons | 11.74242 .0342802 342.54 0.000 11.67465 11.81019 ------------------------------------------------------------------------------
.
.
.
.
.
. regress lprice nearinc ify81==0
Source | SS df MS Number of obs = 179
-
------------+---------------------------------- F(1, 177) = 40.31
Model | 4.44632519 1 4.44632519 Prob > F = 0.0000 Residual | 19.5249099 177 .110310226 R-squared = 0.1855
-------------+---------------------------------- Adj R-squared = 0.1809
Total | 23.9712351 178 .13466986 Root MSE = .33213
------------------------------------------------------------------------------
lprice | Coefficient Std. err. t P>|t| [95% conf. interval]
-------------+----------------------------------------------------------------
nearinc | -.339923 .0535412 -6.35 0.000 -.4455842 -.2342618
_cons | 11.28542 .0299471 376.84 0.000 11.22632 11.34452
------------------------------------------------------------------------------
.
加壳3.4、双重差分
regress lprice y81 nearinc y81nrinc
Source | SS df MS Number of obs = 321
-------------+---------------------------------- F(3, 317) = 73.15
Model | 25.1332147 3 8.37773824 Prob > F = 0.0000
Residual | 36.3057706 317 .114529245 R-squared = 0.4091
-------------+---------------------------------- Adj R-squared = 0.4035
Total | 61.4389853 320 .191996829 Root MSE = .33842
------------------------------------------------------------------------------
lprice | Coefficient Std. err. t P>|t| [95% conf. interval]
-------------+----------------------------------------------------------------
y81 | .4569953 .0453207 10.08 0.000 .3678279 .5461627
nearinc | -.339923 .0545555 -6.23 0.000 -.4472595 -.2325865
y81nrinc | -.062649 .0834408 -0.75 0.453 -.2268167 .1015187
_cons | 11.28542 .0305145 369.84 0.000 11.22539 11.34546
------------------------------------------------------------------------------
.
上述回归分析结果与did命令结果⼀致，可以发现y81nrinc变量是不显著的，可以加⼊其他影响变量。
