毕业论文实证研究：关于事件效应分析，DID差分详解!

毕业论文实证属于论文重难点部分，其重要程度占比50%，因此，想要在合适的选题下找到合适的方法或者工具来进行研究，有必要多了解一些研究方法，而政策作为一个宏观因素，了解其对于具体行业或者某一企业的影响是在我辅导论文中出现频次较多的，因此，这篇论文就did双重差分具体的使用场景与方法进行讲解。

DID(Differences-in-Differences)双重差分法，常用在政策效果评估中，无论是在毕业论文还是期刊发表中都比较常见，与传统回归统计类似，其研究对象为面板数据，相比于传统回归估计，双重差分法针对政策的估计具有更好的适用性和精确度。基准的DID模型设置如下：

其中，du为分组虚拟变量，若个体i受政策实施的影响，则个体i属于处理组，对应的du取值为1，若个体i不受政策实施的影响，则个体i属于对照组，对应的du取值为0。dt为政策实施虚拟变量，政策实施之前dt取值为0，政策实施之后dt取值为1。du·dt为分组虚拟变量与政策实施虚拟变量的交互项，其系数就反映了政策实施的净效应。

比如：探讨海关政策对东盟与我国进出口贸易总额的影响，东盟各个地区中，发布限制政策国家作为实验组A1、A2，没有发布限制政策亦没发布利好政策的国家为控制组B1、B2，那么发布限制政策对于进出口贸易总额的影响情况如何呢？其中就会涉及两个关键数据，分别是Treated和Time，此处Treated为国家（A和B两类国家），以及时间项Time(政策颁布前和颁布后)。同时研究‘颁布限制政策’参进出口贸易总额于的影响，那么被解释变量Y即为进出口贸易总额，与此同时还涉及可选的控制变量（控制变量为可选项，多数情况下并不需要），比如国家面积、人口数量等。

具体导入spss中可以如图所示：

treated为研究对象，分别设置实验组为“1”，对照组为“0”，政策变化前为“0”，变化后为“1”。需要满足要求？

一普适的政策并不适用于DID分析；二是必须具有一个相应的至少两年（政策实施前后各一年）的面板数据集，三是通过平行趋势检验。A类和B类两类地区的进出口贸易总额数据应当满足无明显的差异性，如果一开始两类国家的进出口贸易总额数据差异过大，政策的效应就微乎其微，难以体现。因此，在did模型之前需要通过平行趋势检验。

平行趋势检验指处理组个体的因变量在没有接受处理的状态下拥有和控制组个体因变量相同的时间变动趋势,有图示法、t值检验法、F 统计量检验法等，这里以t值检验法为例，通过在spss中导入上述表格，选择t值检验，结果如下图所示，下图展示实验前状态时，控制组和实验组两类别下被解释变量或控制变量的差异情况。

比如探讨，探讨规定最低时薪政策发布前后就业人数的影响

上表格展示实验前状态时，控制组和实验组两类别下被解释变量或控制变量的差异情况。通常仅关注被解释变量的差异性即可，从上表格可知，控制组和实验组并没有呈现出显著性（p = 0.978 > 0.05），也即说明实验前时控制组和实验组的‘从业人数’并没有明显的差异性，即说明数据通过‘平行趋势假设’。

上表格展示实验后状态时，控制组和实验组两类别下被解释变量或控制变量的差异情况。通常仅关注被解释变量的差异性即可，从上表格可知，控制组和实验组呈现出显著性（p = 0. 043 < 0.05），也即说明实验前时控制组和实验组的‘从业人数’呈现出明显的差异性，说明实验后状态下实验组和控制组的平均水平有着显著性差异，而且实验组(19.949)明显高于控制组（17.065）。

上表格展示OLS回归结果，其为DID差分模型的数学原理，比如上表格中treate*time这一交互项的回归系数值为2.935即为‘DID模型结果汇总’表格中的Diff-in-Diff效应值。

最终查看应该以diff-in-diff，即最终的双重差分值，上表格时，双重差分效应值为2.935且呈现出显著性（p = 0.045 < 0.05），也即说明双重差分效应显著，即说明‘提高最低工资’是否有助于‘就业人数增加’，提高的平均效应水平为2.935。

整体上did使用起来还是比较简单的，在实际操作中比较麻烦的是需要为了得到想要的结果，我们需要找大量的数据来论证，有时候可能得到的结果与预期相反，但这个时候也不要泄气，多思考一下，是不是其他的变量没有保持一致，或者本质上实验组与控制组就有太大的差异，或者试着放大或者减少时间维度，只要方法没错，多试几次，有任何论文相关问题都可以在线私信我的。