——政策評(píng)價(jià)、實(shí)證研究

效果評(píng)估

DID: difference in difference, 雙重差分；

PSM: propensity score matching, 傾向評(píng)分匹配；

DID(PS)M: difference in difference (propensity score) matching, 雙重差分（傾向評(píng)分）匹配

（1）DID的主要思想是通過對(duì)比處理組的平均變化和控制組的平均變化在政策實(shí)施前后之差獲得政策處理效應(yīng)，DID模型基準(zhǔn)回歸方程如下：

（2）匹配的核心思想：是運(yùn)用統(tǒng)計(jì)學(xué)技巧人為地構(gòu)造出一個(gè)對(duì)照組，通過那些可觀測(cè)特征（observable characteristics）試圖為每個(gè)參與者（treated）“搭配”一個(gè)未參與者（untreated）。換句話說， 對(duì)于可觀測(cè)的變量，通過匹配構(gòu)造出的對(duì)照組（control group）與參與組（treatment group）擁有相同的隨機(jī)分布。

DID使用前提：

政策對(duì)于扶持部門的選取是隨機(jī)的

對(duì)照組實(shí)驗(yàn)組實(shí)施政策前具有相同的趨勢(shì)

政策無外溢效應(yīng)

注意：

（1）共線性：

幾乎不可避免

原因是數(shù)據(jù)之間存在相關(guān)性或自變量高度相關(guān)

即使是較強(qiáng)的多重共線性也并沒有違背多元回歸的假設(shè)

樣本極大是多重共線性一般不會(huì)導(dǎo)致大的危害

（2）DID中

一般而言K個(gè)類別的虛擬變量意味著K個(gè)變量的虛擬變量，但是回歸分析中的虛擬變量只能是其中的K-1個(gè)虛擬變量，可實(shí)現(xiàn)避免多重共線性。

建議參看論文：

[1]周晶,陳玉萍,丁士軍.“一攬子”補(bǔ)貼政策對(duì)中國生豬養(yǎng)殖規(guī)?；M(jìn)程的影響——基于雙重差分方法的估計(jì)[J].中國農(nóng)村經(jīng)濟(jì),2015(04):29-43.

[2]鄭新業(yè),王晗,趙益卓.“省直管縣”能促進(jìn)經(jīng)濟(jì)增長嗎?——雙重差分方法[J].管理世界,2011(08):34-44+65.

參考文獻(xiàn)：

[1]謝宇, 回歸分析[M].北京:社會(huì)科學(xué)文獻(xiàn)出版社,2010:219-220.

[2]何曉群，應(yīng)用回歸分析[M].北京:中國人民大學(xué)出版社,2011:159-160.