探索因果關(guān)系的奧秘：DID計(jì)量實(shí)證分析課程重磅來襲！

相似文件 換一批

是 否 +2 論壇幣

k人 參與回答

經(jīng)管之家送您一份

應(yīng)屆畢業(yè)生專屬福利!

求職就業(yè)群

趙安豆老師微信：zhaoandou666

經(jīng)管之家聯(lián)合CDA

送您一個(gè)全額獎(jiǎng)學(xué)金名額~ !

立即領(lǐng)取

感謝您參與論壇問題回答

經(jīng)管之家送您兩個(gè)論壇幣！

+2 論壇幣

雙重差分（Difference in differences）作為一種有效的政策評(píng)估方法，在經(jīng)濟(jì)學(xué)乃至整個(gè)社會(huì)科學(xué)的研究中被廣泛用于觀測(cè)政策干預(yù)的效果�！蹲畹凸べY與就業(yè)：新澤西州與賓夕法尼亞州快餐行業(yè)的案例分析》這篇文章作為勞動(dòng)經(jīng)濟(jì)學(xué)使用雙重差分法的典型案例，曾被喻為計(jì)量經(jīng)濟(jì)學(xué)圣經(jīng)的Mostly Harmless Econometrics: An Empiricist's Companion 納入雙重差分研究的經(jīng)典案例，在Google Scholar公布的被引用次數(shù)也遠(yuǎn)超過3000次，受到社會(huì)科學(xué)領(lǐng)域?qū)W者的廣泛關(guān)注。

在2024年下半年，DID（雙重差分法）在實(shí)證研究領(lǐng)域的應(yīng)用持續(xù)深化，使得DID的全面對(duì)于高校老師和學(xué)生變得更加必要：

1.   因果推斷的精確性：DID方法作為一種因果推斷工具，能夠幫助研究者從觀測(cè)數(shù)據(jù)中識(shí)別出政策或事件的凈效應(yīng)，這對(duì)于評(píng)估教育政策、教學(xué)方法改革等在高校中的實(shí)際效果至關(guān)重要。

2.   研究設(shè)計(jì)的嚴(yán)謹(jǐn)性：DID方法要求研究者對(duì)政策背景和研究設(shè)計(jì)進(jìn)行深入討論，并清晰地闡述不同組別受政策影響的可能方向 。這促使高校研究者在進(jìn)行實(shí)證研究時(shí)，采用更加嚴(yán)謹(jǐn)和科學(xué)的研究設(shè)計(jì)。

3.   解決估計(jì)偏差問題：高校研究中常遇到的一個(gè)問題是估計(jì)偏差，DID方法通過系數(shù)分解定理和不同的解決方法，如加總方法、兩步回歸法和堆疊型雙重差分法，有助于識(shí)別和糾正這些偏差 。

4.   提升研究的可靠性和穩(wěn)健性：DID方法的應(yīng)用，特別是在多時(shí)點(diǎn)DID的情況下，需要研究者關(guān)注和檢驗(yàn)平行趨勢(shì)假設(shè)，以及進(jìn)行安慰劑檢驗(yàn)等穩(wěn)健性檢驗(yàn)，這有助于提升高校研究結(jié)果的可靠性和穩(wěn)健性。

5.   教育政策評(píng)估：高校作為政策實(shí)施的重要場(chǎng)所，DID方法可以用于評(píng)估教育政策或教學(xué)改革對(duì)學(xué)生學(xué)業(yè)成績(jī)、創(chuàng)新能力等的影響，為高校政策制定和優(yōu)化提供依據(jù) 。

6.   學(xué)術(shù)研究的深入：DID方法的掌握和應(yīng)用，可以促進(jìn)高校教師和學(xué)生在學(xué)術(shù)研究中深入探討和分析復(fù)雜問題，提高研究的深度和廣度 。

7.   方法論教育的重要性：在高校教育中，DID方法的教授不僅提升了學(xué)生的方法論素養(yǎng)，還為學(xué)生未來在學(xué)術(shù)或政策研究領(lǐng)域的工作奠定了堅(jiān)實(shí)的基礎(chǔ) 。

由JG學(xué)術(shù)培訓(xùn)精心打造的DID計(jì)量實(shí)證分析課程，將帶您深入探索雙重差分法（DID）的奧秘，解鎖政策評(píng)估的新維度！

2024年國(guó)慶班再次全方位升級(jí)！

DID系統(tǒng)課程第13期

通過11講+22篇范例論文應(yīng)用（絕大多數(shù)為近三年發(fā)表的），

以原理+實(shí)操+論文的方式，

通過4天24小時(shí)學(xué)習(xí)+課后錄播復(fù)習(xí)+授課老師答疑解惑

全面掌握DID雙重差分法，讓你的2024年實(shí)證研究不再迷茫！

培訓(xùn)時(shí)間：10月1-4日 (四天)

培訓(xùn)地點(diǎn)：北京現(xiàn)場(chǎng)，同步遠(yuǎn)程直播；提供錄播回放及主講老師答疑（任何的學(xué)習(xí)都需要可以幫助你解惑的導(dǎo)師，縮短自行摸索的時(shí)間，提高實(shí)證研究效率）

授課安排：9:00-12:00,14:00-17:00, 答疑

配套資料：課件，do文檔，數(shù)據(jù)，參考文獻(xiàn)等

授課嘉賓：

崔百勝，廈門大學(xué)經(jīng)濟(jì)學(xué)博士，上海師范大學(xué)教授。

主要講授研究生《空間計(jì)量經(jīng)濟(jì)學(xué)》、《中級(jí)應(yīng)用計(jì)量經(jīng)濟(jì)學(xué)》、《貨幣理論與政策》等課程。教學(xué)使用軟件為Stata和Matlab軟件，熟悉相關(guān)軟件的操作與使用。

主要研究領(lǐng)域?yàn)樨泿爬碚撆c政策、動(dòng)態(tài)一般均衡模型、空間計(jì)量經(jīng)濟(jì)學(xué)。主持國(guó)家社會(huì)科學(xué)基金項(xiàng)目，教育部人文社會(huì)科學(xué)基金項(xiàng)目，以及上海市教委科研創(chuàng)新項(xiàng)目等在內(nèi)的多項(xiàng)課題。在中英文期刊發(fā)表學(xué)術(shù)論文50余篇。參與編寫《空間計(jì)量經(jīng)濟(jì)學(xué)——現(xiàn)代模型與方法》、《空間計(jì)量經(jīng)濟(jì)學(xué)——實(shí)證研究與軟件實(shí)現(xiàn)》、《計(jì)量經(jīng)濟(jì)分析與Stata應(yīng)用》、《經(jīng)濟(jì)計(jì)量研究指導(dǎo)——實(shí)證分析與軟件實(shí)現(xiàn)》等專業(yè)教材。
Stata金牌講師，已經(jīng)通過11期DID課程幫助近700名老師和同學(xué)掌握DID，發(fā)文成功。

課程內(nèi)容：

10月1-2日：傳統(tǒng)DID+多期DID+DID模型擴(kuò)展+空間DID，含9篇范例論文

一、傳統(tǒng)DID（3h）

1.1 課程導(dǎo)言

      1.1.1 政策評(píng)估主流方法

      1.1.2 國(guó)內(nèi)頂刊DID刊文情況與模型類型梳理

      1.1.3 建立因果關(guān)系

      1.1.4 DID政策評(píng)估，如何識(shí)別兩種錯(cuò)誤的反事實(shí)

1.2 模型構(gòu)建

      1.2.1 政策效果不隨時(shí)間而變

      1.2.2 政策效果隨時(shí)間變動(dòng)

1.3 Stata實(shí)現(xiàn)

      1.3.1 DID數(shù)據(jù)生成與處理

      1.3.2 基于DID基本原理的Stata實(shí)現(xiàn)

      1.3.3 兩種政策效果比較

      1.3.4 五種傳統(tǒng)DID命令與Stata17官方新命令估計(jì)結(jié)果分析

二、多期DID（漸進(jìn)DID）（3h）

2.1 多期DID政策效應(yīng)的動(dòng)態(tài)圖形展示

      2.1.1Beck_Levine(2010)經(jīng)典圖形展示

      2.1.2coefplot命令動(dòng)態(tài)圖形展示

2.2 多期DID平行趨勢(shì)檢驗(yàn)圖形實(shí)現(xiàn)

      2.2.1 圖示法

      2.2.2 系數(shù)檢驗(yàn)法

2.3 安慰劑檢驗(yàn)的Stata實(shí)現(xiàn)

      2.3.1 政策實(shí)施時(shí)間前置的安慰劑檢驗(yàn)

      2.3.2 處理組隨機(jī)化處理的安慰劑檢驗(yàn)

2.4 三重差分模型（DDD）

2.5 例文精讀3篇

① 曹清峰.國(guó)家級(jí)新區(qū)對(duì)區(qū)域經(jīng)濟(jì)增長(zhǎng)的帶動(dòng)效應(yīng)——基于70大中城市的經(jīng)驗(yàn)證據(jù).中國(guó)工業(yè)經(jīng)濟(jì),2020(07)

② 任勝鋼等.排污權(quán)交易機(jī)制是否提高了企業(yè)全要素生產(chǎn)率——來自中國(guó)上市公司的證據(jù).中國(guó)工業(yè)經(jīng)濟(jì),2019(05)

③ Beck, T., Levine, R. & Levkov, A. (2010). Big Bad Banks? TheWinners and Losers from Bank Deregulation in the United States. The Journal ofFinance,65(5), pp. 1637-1667

三、DID模型擴(kuò)展（3h）

3.1 PSM-DID

      3.1.1PSM估計(jì)的三種程序?qū)崿F(xiàn)

      3.1.2 共同支持檢驗(yàn)（common support）

      3.1.3 多期面板數(shù)據(jù)PSM-DID的Stata實(shí)現(xiàn)

      3.1.4 例文精讀2篇：

④ 孫曉華等. “營(yíng)改增”促進(jìn)了制造業(yè)與服務(wù)業(yè)融合發(fā)展嗎.中國(guó)工業(yè)經(jīng)濟(jì),2019(08)

⑤ 謝申祥等.傳統(tǒng)PSM-DID模型的改進(jìn)與應(yīng)用.統(tǒng)計(jì)研究,2021 (02)

3.2 時(shí)變處理時(shí)間與持續(xù)期的靈活面板DID因果分析

3.3 異質(zhì)性處理效應(yīng)下的雙向固定效應(yīng)估計(jì)與模糊DID應(yīng)用

     3.3.1 模糊DID（Fuzzy DID）估計(jì)量與Stata實(shí)現(xiàn)

     3.3.2 異質(zhì)性處理效應(yīng)時(shí)，雙向固定效應(yīng)估計(jì)還穩(wěn)健嗎？

     3.3.3 異質(zhì)性處理效應(yīng)存在時(shí)的解決方法：模糊DID

     3.3.4 例文精讀1篇：

⑥ Chaisemartin, Clément de, and XavierD’Haultfoeuille. “Two-Way Fixed EffectsEstimators with Heterogeneous Treatment Effects.”American Economic Review 110, no. 9 (September 2020):2964–96.

四、空間DID（3h）

4.1 忽略空間因素的DID結(jié)果可靠嗎？

4.2 空間DID模型構(gòu)建

4.3 政策評(píng)估的空間效應(yīng)分解

4.4 存在溢出處理效應(yīng)時(shí)的穩(wěn)健DID估計(jì)

4.5 例文精讀3篇

⑦ 排污權(quán)交易、二氧化硫排放與經(jīng)濟(jì)高質(zhì)量增長(zhǎng)——基于空間雙重差分模型

⑧ Chagas, André L.S, Azzoni C R , Almeida A N. Aspatial difference-in-differences analysis of the impact of sugarcaneproduction on respiratory diseases. Regional Science and Urban Economics, 2016.

⑨ Clarke D. Estimating difference-in-differences in the presence ofspillovers[J]. 2017.

10月3-4日：交疊DID plus，內(nèi)容升級(jí)一倍，含13篇范例論文

第1講 交疊DID最新應(yīng)用的系統(tǒng)梳理

1.1 交疊DID應(yīng)用在頂刊的統(tǒng)計(jì)分析

1.2 中文期刊交疊DID的兩種主流趨勢(shì)

1.3 異質(zhì)性處理效應(yīng)的TWFE估計(jì)偏誤的來源

     1.3.1 禁止性比較組

     1.3.2 負(fù)權(quán)重問題

     1.3.3 協(xié)變量問題

     1.3.4 非平行趨勢(shì)

1.4 交疊DID研究最新進(jìn)展

     1.4.1 交疊DID識(shí)別

     1.4.2 交疊DID圖示法

1.5 交疊DID研究的實(shí)用建議

     1.5.1 如何在多期與處理時(shí)間變化時(shí)，選擇合適的DID估計(jì)量？

     1.5.2 如何處理非平行趨勢(shì)的情況？

     1.5.3 交疊DID各種估計(jì)方法應(yīng)用建議

1.6 重要文獻(xiàn)解讀：

① De Chaisemartin C, D'Haultfoeuille X. Two-wayfixed effects anddifferences-in-differences with heterogeneous treatment effects: A survey[R].National Bureau of Economic Research, 2022.

② 劉沖,沙學(xué)康,張妍.交錯(cuò)雙差分:處理效應(yīng)異質(zhì)性與估計(jì)方法選擇.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究, 2023.

第2講 交疊DID檢驗(yàn)

2.1 禁止性比較組檢驗(yàn)的Bacon分解

      2.1.1 Bacon分解的圖形解析

      2.1.2 Bacon分解Stata官方命令與社區(qū)命令結(jié)果比較與解讀

      2.2.3 Bacon分解的中文應(yīng)用

2.2 處理組的負(fù)權(quán)重檢驗(yàn)

     2.2.1 負(fù)權(quán)重檢驗(yàn)統(tǒng)計(jì)量直觀解釋

     2.2.2 負(fù)權(quán)重檢驗(yàn)Stata命令實(shí)現(xiàn)

2.3 非平行趨勢(shì)檢驗(yàn)

      2.3.1 事件研究法平行趨勢(shì)檢驗(yàn)效力

      2.3.2 如何正確理解新事件研究法的平行趨勢(shì)檢驗(yàn)圖

      2.3.3 Pre-trends檢驗(yàn)

2.4 重要文獻(xiàn)解讀：

③ Goodman-Bacon, Andrew, Difference-in-differences with variation intreatment timing, Journal of Econometrics, 2021.

④ Roth J, Sant’Anna P H C, Bilinski A, etal.What’s trending in difference-in-differences? Asynthesis of the recent econometrics literature, Journal of Econometrics, 2023.

第3講 組別-時(shí)期平均處理效應(yīng)估計(jì)量

3.1 dcdH估計(jì)量

      3.1.1 DeChaisemartin和 d'Haultfœuille(2020) 估計(jì)量的理論簡(jiǎn)析

      3.1.2 dcdH估計(jì)量擴(kuò)展到多個(gè)處理事件和多期

      3.1.3 dcdH估計(jì)量的Stata實(shí)現(xiàn)

      3.1.4 dcdH估計(jì)量的應(yīng)用

3.2 SA估計(jì)量

      3.2.1 Sun和 Abraham(2021) 估計(jì)量的理論簡(jiǎn)析

      3.2.2 SA估計(jì)量的Stata實(shí)現(xiàn)

      3.2.3 SA估計(jì)量的應(yīng)用

3.3 CS估計(jì)量

      3.3.1 Callaway和 Sant’Anna(2021) 估計(jì)量的理論簡(jiǎn)析

      3.3.2 CS估計(jì)量的Stata官方命令與社區(qū)命令實(shí)現(xiàn)

      3.3.3 CS估計(jì)量的應(yīng)用

3.4 Plug-in估計(jì)量

      3.4.1 Roth和Sant’Anna(2023) 估計(jì)量的理論簡(jiǎn)析

      3.4.2 staggered社區(qū)命令實(shí)現(xiàn)

      3.4.3 Plug-in估計(jì)量的應(yīng)用

3.5 重要文獻(xiàn)解讀：

⑤ De Chaisemartin C, d'Haultfoeuille X. Two-way fixed effectsestimators with heterogeneous treatment effects[J]. American Economic Review,2020.

⑥ Sun L, Abraham S. Estimating dynamic treatment effects in eventstudies with heterogeneous treatment effects[J]. Journal of Econometrics, 2021.

⑦ Callaway B, Sant’Anna P H C.Difference-in-differences with multiple time periods[J]. Journal ofEconometrics, 2021.

第4講 基于TWFE改進(jìn)的新估計(jì)量

4.1 異質(zhì)性穩(wěn)健TWFE的交疊DID新命令

4.2 重要文獻(xiàn)解讀：

⑧ Wooldridge J M. Two-way fixed effects, the two-way Mundlakregression, and difference-in-differences estimators[J].Available at SSRN3906345, 2021.

第5講 基于插補(bǔ)方法的估計(jì)量

5.1 Imputation估計(jì)量

5.2 兩階段DID估計(jì)量

5.3 重要文獻(xiàn)解讀：

⑨ Borusyak K, Jaravel X, Spiess J. Revisiting event studydesigns: Robust and efficient estimation[J]. Review of Economic Studies, 2024,Forthcoming.

⑩ Braghieri L, Levy R, Makarin A. Social media and mental health[J].American Economic Review, 2022.

第6講 堆疊與局部投影估計(jì)量

6.1 堆疊估計(jì)量

6.2 局部投影估計(jì)量

6.3 重要文獻(xiàn)解讀：

⑪ CengizD, Dube A, Lindner A, et al. The effect of minimum wages on low-wage jobs. TheQuarterly Journal of Economics, 2019.

⑫ Dube, A.,D. Girardi, Ò. Jordà and A. M.Taylor. A Local Projections Approachto Difference-in-Differences Event Studies. NBER Working Paper 31184, 2023.

第7講 DID與合成控制的結(jié)合：合成DID

7.1 合成DID的原理與應(yīng)用領(lǐng)域

7.2 合成DID的命令實(shí)現(xiàn)

7.3 重要文獻(xiàn)解讀：

⑬ Arkhangelsky D, Athey S, Hirshberg D A, et al.Syntheticdifference-in-differences[J]. American Economic Review, 2021.

試聽及課程咨詢：

尹老師

電話：13321178792

QQ：42884447

WeChat：JGxueshu

帖子原創(chuàng)，歡迎轉(zhuǎn)發(fā)，拒絕商業(yè)抄襲！！

掃碼加我 拉你入群

請(qǐng)注明：姓名-公司-職位

以便審核進(jìn)群資格，未注明則拒絕

分享0 收藏2 回帖

關(guān)鍵詞：計(jì)量實(shí)證 實(shí)證分析 因果關(guān)系 DID econometrics

感謝樓主慷慨分享！

支持一下

點(diǎn)贊樓主分享的資訊，大有裨益！