连续DID, DDD和比例DID, 不可观测选择偏差

凡是搞计量经济的，都关注这个号了

邮箱：[e-mail]

所有计量经济圈方法论丛的code程序, 宏微观数据库和各种软件都放在社群里.欢迎到计量经济圈社群交流访问.

作者: Irene Brunetti

今天，因果推断研究小组引荐的是一份较短Slides。作者先指出PSM可以解决可观测基础上的选择偏差，但对于不可观测基础上的偏差，PSM则显得无能为力。此时，作者给出的解决之道，是使用面板数据基础上的DID方法，从而消除掉不随时间变动的不可观测效应。注：对于随着时间变动的不可观测效应，还是需要像处理遗漏变量偏差那样使用工具变量解决。

上面这些都不是这份slides的精彩部分。最精彩的部分是，作者在文章后面引出DDD三重差分的例子，以及连续型DID和比例型DID等标准DID的扩展类型。无论怎样，咱们都需要记住的是，Difference in difference都是一个减法的过程，即处理组政策前后情况相减 — 控制组政策前后情况相减。

DDD三重差分法

控制随着时间变动的变量X

连续型DID和比例型DID

都是针对处理效应强度而做的灵活变换

强调时间上多于2期始终好一些，这有利于观察动态效应，还可以做安慰剂检验

扩展阅读

欢迎补充最新DID种类; 欢迎到计量社群交流探讨“DID”发展的最新趋势和应用。

下面这些短链接文章属于合集，可以收藏起来阅读，不然以后都找不到了。

2年，计量经济圈公众号近1000篇文章，

Econometrics Circle

数据系列：空间矩阵 | 工企数据 | PM2.5 | 市场化指数 | CO2数据 |  夜间灯光 | 官员方言  | 微观数据 |

计量系列：匹配方法 | 内生性 | 工具变量 | DID | 面板数据 | 常用TOOL | 中介调节 | 时间序列 | RDD断点 | 合成控制 | 

数据处理：Stata | R | Python | 缺失值 | CHIP/ CHNS/CHARLS/CFPS/CGSS等 |

干货系列：能源环境 | 效率研究 | 空间计量 | 国际经贸 | 计量软件 | 商科研究 | 机器学习 | SSCI | CSSCI | SSCI查询 |

计量经济圈组织了一个计量社群，有如下特征：热情互助最多、前沿趋势最多、社科资料最多、社科数据最多、科研牛人最多、海外名校最多。因此，建议积极进取和有强烈研习激情的中青年学者到社群交流探讨，始终坚信优秀是通过感染优秀而互相成就彼此的。