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
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）。
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
垃圾焚化炉的区位对住房价格的影响
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
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，
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。
这样一来，我们怎么能说新建一个焚化炉会压低房价呢?关键在于看到 nearinc的系数在1978-1981年的化，1981年的平均房价差异比1978年的要大得多(30688.27美元与18824.37美元)，即使把差异折算成不靠近焚化炉的平均房价的百分比也不算小， nearinc的两个系数之差是 =(-306827)-(-18824.37)=-11863.9， 这便是焚化炉对其附近房价之影响的估计。在经验经济学中，,被称为倍差估计量( difference-in fferences estimator)，这就是双重差分法。
1、导入并且查看数据
use "C:\Users\admin\Desktop\KIELMC.DTA". eddesc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
2、nearinc表示=1 if dist <= 15840
然后查看新建垃圾焚烧厂的分布
. tabulate nearinc
=1 if dist | <= 15840 | Freq. Percent Cum.------------+----------------------------------- 0 | 225 70.09 70.09 1 | 96 29.91 100.00------------+----------------------------------- Total | 321 100.00
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 y81regress lprice nearinc if y81==04、双重差分
regress lprice y81 nearinc y81nrinc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。
. regress lprice y81 nearinc y81nrinc age agesq lintst lland larea rooms baths
Source | SS df MS Number of obs = 321-------------+---------------------------------- F(10, 310) = 116.91 Model | 48.5621258 10 4.85621258 Prob > F = 0.0000 Residual | 12.8768595 310 .041538256 R-squared = 0.7904-------------+---------------------------------- Adj R-squared = 0.7837 Total | 61.4389853 320 .191996829 Root MSE = .20381
------------------------------------------------------------------------------ lprice | Coef. Std. Err. t P>|t| [95% Conf. Interval]-------------+---------------------------------------------------------------- y81 | .425974 .0284999 14.95 0.000 .3698963 .4820518 nearinc | .032232 .0474876 0.68 0.498 -.0612067 .1256708 y81nrinc | -.1315133 .0519712 -2.53 0.012 -.2337743 -.0292524 age | -.0083591 .0014111 -5.92 0.000 -.0111358 -.0055825 agesq | .0000376 8.67e-06 4.34 0.000 .0000206 .0000547 lintst | -.0614482 .0315075 -1.95 0.052 -.1234438 .0005474 lland | .099845 .024491 4.08 0.000 .0516554 .1480346 larea | .3507722 .0514865 6.81 0.000 .2494649 .4520794 rooms | .0473344 .0173274 2.73 0.007 .0132402 .0814285 baths | .0942767 .0277256 3.40 0.001 .0397225 .1488309 _cons | 7.651756 .4158832 18.40 0.000 6.833445 8.470067--------------------------------------------------------------------------加入协变量使用双重差分命令diff进行分析，结果为：