目录

1. 背景简介

双重倍差法 (Difference-in-Differences，DID)，是目前实证分析中用于识别因果关系的流行方法之一。标准的 DID 模型将样本分为两组：实验组和对照组；将时间分为两个阶段：政策发生前和政策发生后。所有的实验组样本都在同一时间点受到政策冲击。

随着 DID 方法的拓展，许多实证研究将其拓展为多期 DID，即实验组并非在同一时点遭受政策冲击。但是，自 2019 年来，不少学者纷纷指出这种多期 DID 有可能会产生有偏估计 (Athey and Imbens，2022；Baker et al.，2022；Goodman-Bacon，2021)。

其主要原因在于，多期 DID 估计的本质是多个不同处理效应的加权平均，权重可能存在为负的情形。在权重为负的情下，不同处理效应加权平均后得到的平均处理效应，可能会与真实的平均处理效应方向相反。Baker et al. (2021) 通过数据模拟发现，多期 DID 估计出来有偏误的处理效应甚至会与真实处理效应的符号相反。

为此，Callaway and Sant'Anna (2021) 提出了一种用于识别异质性多期 DID 的新方法，该新方法适用于以下三种情形：

• 时间分为多期；
• 实验组受到政策冲击的时间并非同一；
• 实验组和对照组只有在控制了协变量之后才满足平行趋势假定。

下面本文将详细介绍 Callaway and Sant'Anna (2021) 提出的多期 DID 估计量，以及对应的 Stata 实操和 R 语言实操。