双重差分法（DID）究竟是什么？如何用它破解政策评估难题？

作为经济学与社会科学领域最受推崇的因果推断方法，双重差分法（Difference-in-Differences, DID） 已成为评估政策效果的核心工具。但对于刚接触该方法的学习者，总是被各种变形方法和代码实现困扰。本文将用通俗的语言，带你看透DID的本质与学习难点。
一、DID的核心原理与「双重」奥秘
1. 概念本质：政策效果的「照妖镜」
假设你想研究「最低工资上调是否影响就业率」。DID的思路是： 1️⃣ 找实验组和对照组（例如调整工资政策的城市 vs 未调整的城市）
2️⃣ 比较两次差异：
第一次差异：政策实施前后实验组的变化
第二次差异：对照组在同期自然产生的变化
3️⃣ 净效应=实验组变化 - 对照组变化（排除时间趋势干扰）
举个：某市最低工资从3000→3500元后，就业率从90%→85%。单看实验组变化是-5%。但如果对照组的就业率同期因经济衰退从92%→82%（-10%），那么DID效应实际上是+5%！
2. 关键假设：平行趋势的「信任基石」
DID的可靠性依赖于平行趋势假设——在政策实施前，实验组与对照组的变化趋势必须一致。例如在图中，虚线代表假设的政策时点，两组在实施前的就业率波动需高度同步。
️ 常见误区警示：如果经济特区城市（实验组）与普通城市（对照组）在政策前已有不同的发展速度，直接使用传统DID会导致估计偏差！
二、DID的五大变形与实战难点
随着政策复杂性增加，DID家族已演化出多个版本：

学习难点突破：以交叠DID为例，当处理时间不同步时，传统双向固定效应（TWFE）模型会因负权重问题（Negative Weighting Problem）导致估计偏差。需通过Bacon分解法诊断问题，并采用Callaway & Sant'Anna（2020）提出的组群加权估计法（csdid命令实现）。
三、为什么DID学习需要系统化培训？
在笔者参与评审的300+篇学生论文中，90%的DID应用存在以下致命错误：
平行趋势检验仅做图形展示，未进行正式统计检验（如回归检验法）
忽视政策动态效应，直接用静态模型估计长期效果
错用空间DID方法，将地理相邻简单等同于经济关联
代码实现不规范，例如忽略聚类标准误或错误设置时间虚拟变量
这些错误轻则导致审稿人质疑，重则造成研究结论被全盘推翻。碎片化的学习方式（如只看网帖或单篇教材）很难建立起系统的DID知识框架。
四、如何高效掌握DID全链条技能？
在众多学习资源中，笔者特别推荐【JG学术培训】的《双重差分DID方法专题》课程。该课程已帮助1200+学员在《经济研究》《中国工业经济》等期刊成功发文，其独特优势包括：
知识闭环设计
基础→进阶→前沿：从传统DID到交叠DID/空间DID全覆盖
方法+代码+文献：每讲均配备Stata实现代码与顶刊论文复现案例（如《高铁开通对区域经济差距的空间DID检验》）
独家资源包：含崔百胜教授团队整理的最新DID命令合集（csdid、sdid等前沿命令）
真实问题导向
破解负权重陷阱：通过Bacon分解诊断+csdid命令实战，破解交叠DID估计偏误
空间计量融合：手把手教您构建经济距离权重矩阵，实现空间溢出效应检验
动态效果呈现：教你用事件研究法绘制政策动态效应图
学员成果案例：第16期学员张老师应用课程中的多期DID方法，其论文《环境规制与企业创新》已在《统计研究》进入终审阶段。
五、给初学者的学习建议
先夯实基础：透彻理解传统DID的假设条件与检验方法
再突破变形：通过《中国工业经济》《经济研究》的文献，观察前沿方法的应用场景
动手实践：使用课程提供的长三角城市群政策数据进行空间DID建模演练
成果转化：参考附赠的DID论文写作模板完成实证部分写作
如果你希望在导师指导下少走弯路，不妨点击下方卡片获取课程详情。现在报名还可获得政策评估专题文献包（含2023年Top5期刊DID论文30篇）！
延伸思考：当处理效应存在异质性（如大型企业vs中小企业对政策的反应不同）时，应该如何扩展DID模型？这个问题将在JG课程的第8讲《异质性处理效应与机器学习结合》中详细解析。