畢業(yè)論文實證屬于論文重難點部分，其重要程度占比50%，因此，想要在合適的選題下找到合適的方法或者工具來進(jìn)行研究，有必要多了解一些研究方法，而政策作為一個宏觀因素，了解其對于具體行業(yè)或者某一企業(yè)的影響是在我輔導(dǎo)論文中出現(xiàn)頻次較多的，因此，這篇論文就did雙重差分具體的使用場景與方法進(jìn)行講解。

DiD是什么？

DID(
Differences-in-Differences)雙重差分法，常用在政策效果評估中，無論是在畢業(yè)論文還是期刊發(fā)表中都比較常見，與傳統(tǒng)回歸統(tǒng)計類似，其研究對象為面板數(shù)據(jù)，相比于傳統(tǒng)回歸估計，雙重差分法針對政策的估計具有更好的適用性和精確度?；鶞?zhǔn)的DID模型設(shè)置如下：

其中，du為分組虛擬變量，若個體i受政策實施的影響，則個體i屬于處理組，對應(yīng)的du取值為1，若個體i不受政策實施的影響，則個體i屬于對照組，對應(yīng)的du取值為0。dt為政策實施虛擬變量，政策實施之前dt取值為0，政策實施之后dt取值為1。du·dt為分組虛擬變量與政策實施虛擬變量的交互項，其系數(shù)就反映了政策實施的凈效應(yīng)。

怎么用？

比如：探討海關(guān)政策對東盟與我國進(jìn)出口貿(mào)易總額的影響，東盟各個地區(qū)中，發(fā)布限制政策國家作為實驗組A1、A2，沒有發(fā)布限制政策亦沒發(fā)布利好政策的國家為控制組B1、B2，那么發(fā)布限制政策對于進(jìn)出口貿(mào)易總額的影響情況如何呢？其中就會涉及兩個關(guān)鍵數(shù)據(jù)，分別是Treated和Time，此處Treated為國家（A和B兩類國家），以及時間項Time(政策頒布前和頒布后)。同時研究‘頒布限制政策’參進(jìn)出口貿(mào)易總額于的影響，那么被解釋變量Y即為進(jìn)出口貿(mào)易總額，與此同時還涉及可選的控制變量（控制變量為可選項，多數(shù)情況下并不需要），比如國家面積、人口數(shù)量等。

具體導(dǎo)入spss中可以如圖所示：

treated為研究對象，分別設(shè)置實驗組為“1”，對照組為“0”，政策變化前為“0”，變化后為“1”。
需要滿足要求？

一普適的政策并不適用于DID分析；二是必須具有一個相應(yīng)的至少兩年（政策實施前后各一年）的面板數(shù)據(jù)集，三是通過平行趨勢檢驗。A類和B類兩類地區(qū)的進(jìn)出口貿(mào)易總額數(shù)據(jù)應(yīng)當(dāng)滿足無明顯的差異性，如果一開始兩類國家的進(jìn)出口貿(mào)易總額數(shù)據(jù)差異過大，政策的效應(yīng)就微乎其微，難以體現(xiàn)。因此，在did模型之前需要通過平行趨勢檢驗。

如何分析？

平行趨勢檢驗指處理組個體的因變量在沒有接受處理的狀態(tài)下?lián)碛泻涂刂平M個體因變量相同的時間變動趨勢,有圖示法、t值檢驗法、F 統(tǒng)計量檢驗法等，這里以t值檢驗法為例，通過在spss中導(dǎo)入上述表格，選擇t值檢驗，結(jié)果如下圖所示，下圖展示實驗前狀態(tài)時，控制組和實驗組兩類別下被解釋變量或控制變量的差異情況。

比如探討，探討規(guī)定最低時薪政策發(fā)布前后就業(yè)人數(shù)的影響

上表格展示實驗前狀態(tài)時，控制組和實驗組兩類別下被解釋變量或控制變量的差異情況。通常僅關(guān)注被解釋變量的差異性即可，從上表格可知，控制組和實驗組并沒有呈現(xiàn)出顯著性（p = 0.978 > 0.05），也即說明實驗前時控制組和實驗組的‘從業(yè)人數(shù)’并沒有明顯的差異性，即說明數(shù)據(jù)通過‘平行趨勢假設(shè)’。

上表格展示實驗后狀態(tài)時，控制組和實驗組兩類別下被解釋變量或控制變量的差異情況。通常僅關(guān)注被解釋變量的差異性即可，從上表格可知，控制組和實驗組呈現(xiàn)出顯著性（p = 0. 043 < 0.05），也即說明實驗前時控制組和實驗組的‘從業(yè)人數(shù)’呈現(xiàn)出明顯的差異性，說明實驗后狀態(tài)下實驗組和控制組的平均水平有著顯著性差異，而且實驗組(19.949)明顯高于控制組（17.065）。

上表格展示OLS回歸結(jié)果，其為DID差分模型的數(shù)學(xué)原理，比如上表格中treate*time這一交互項的回歸系數(shù)值為2.935即為‘DID模型結(jié)果匯總’表格中的Diff-in-Diff效應(yīng)值。

最終查看應(yīng)該以diff-in-diff，即最終的雙重差分值，上表格時，雙重差分效應(yīng)值為2.935且呈現(xiàn)出顯著性（p?= 0.045 < 0.05），也即說明雙重差分效應(yīng)顯著，即說明‘提高最低工資’是否有助于‘就業(yè)人數(shù)增加’，提高的平均效應(yīng)水平為2.935。

整體上did使用起來還是比較簡單的，在實際操作中比較麻煩的是需要為了得到想要的結(jié)果，我們需要找大量的數(shù)據(jù)來論證，有時候可能得到的結(jié)果與預(yù)期相反，但這個時候也不要泄氣，多思考一下，是不是其他的變量沒有保持一致，或者本質(zhì)上實驗組與控制組就有太大的差異，或者試著放大或者減少時間維度，只要方法沒錯，多試幾次，有任何論文相關(guān)問題都可以在線私信我的。