- AI时代DID研究的
点击试听
- 一、AI agent赋能DID 2026 new
- 1.1 Stata介入大模型agent：Stata MCP + Trae IDE配置
- 1.2 利用MinMax直接写出DID模型的Stata代码
- 1.3 AI实时解释代码逻辑，秒懂复杂统计模型
- 1.4 AI agent智能体的设计
- 1.5 构建专门应用于DID研究的Stata skills，提升效率
- 1.6 Vibe Regging：免费用Trae +Stata MCP + Skills实现全自动DID实证
- 二、 传统DID
- 2.1 课程导言
- 2.1.1 政策评估主流方法
- 2.1.2 国内顶刊DID刊文情况与模型类型梳理
- 2.1.3 建立因果关系
- 2.1.4 DID政策评估，如何识别两种错误的反事实
- 2.2 模型构建
- 2.2.1 政策效果不随时间而变
- 2.2.2 政策效果随时间变动
- 2.3 AI赋能：Stata实现与自动化分析
- 2.3.1 DID数据生成与处理
- 2.3.2 基于DID基本原理的Stata实现
- 2.3.3 两种政策效果比较
- 2.3.4 九种传统DID命令与Stata19官方新命令估计结果分析
- 三、多期DID（渐进DID）
- 3.1 多期DID政策效应的动态图形展示
- 3.1.1 Beck_Levine(2010)经典图形展示
- 3.1.2 DeepSeek赋能：coefplot命令动态图形展示与自动化生成
- 3.2 多期DID平行趋势检验图形实现
- 3.2.1 图示法
- 3.2.2 系数检验法
- 3.3 AI赋能：安慰剂检验的自动化实现
- 2.3.1 政策实施时间前置的安慰剂检验
- 2.3.2 处理组随机化处理的安慰剂检验
- 3.4 队列DID
- 3.5 三重差分模型（DDD）
- 3.6 例文精读3篇：
- ① 曹清峰.国家级新区对区域经济增长的带动效应——基于70大中城市的经验证据.中国工业经济,2020(07)
- ② 任胜钢等.排污权交易机制是否提高了企业全要素生产率——来自中国上市公司的证据.中国工业经济,2019(05)
- ③ Beck, T., Levine, R. & Levkov, A. (2010). Big Bad Banks? The Winners and Losers from Bank
- Deregulation in the United States. The Journal of Finance, 65(5), pp. 1637-1667
- 四、DID模型扩展
- 4.1 AI赋能：PSM-DID的自动化实现与优化
- 4.1.1 PSM估计的三种程序实现
- 4.1.2 共同支持检验（common support）
- 4.1.3 多期面板数据PSM-DID的Stata实现
- 4.1.4 例文精读1篇：④ 孙晓华等. “营改增”促进了制造业与服务业融合发展吗.中国工业经济,2019(08)
- 4.2 时变处理时间与持续期的灵活面板DID因果分析
- 4.3 AI赋能：异质性处理效应的自动化估计与模糊DID应用
- 4.3.1 模糊DID（Fuzzy DID）估计量与Stata实现
- 4.3.2 异质性处理效应时，双向固定效应估计还稳健吗？
- 4.3.3 异质性处理效应存在时的解决方法：模糊DID
- 4.3.4 例文精读1篇：⑤ Chaisemartin, Clément de, and Xavier D’Haultfoeuille. “Two-Way Fixed Effects Estimators with Heterogeneous Treatment Effects.” American Economic Review 110, no. 9 (September 2020): 2964–96.
- Estimators with Heterogeneous Treatment Effects.” American Economic Review 110,
- no. 9 (September 2020): 2964–96.
- 五、空间DID
- 5.1 忽略空间因素的DID结果可靠吗？
- 5.2 空间DID模型构建
- 5.3 政策评估的空间效应分解
- 5.4 存在溢出处理效应时的稳健DID估计
- 5.5 例文精读3篇：
- ⑥ 排污权交易、二氧化硫排放与经济高质量增长——基于空间双重差分模型
- ⑦ Chagas, André L.S, Azzoni C R , Almeida A N . A spatial difference-in-differences analysis of the impact of sugarcane production on respiratory diseases. Regional Science and Urban Economics, 2016.
- of sugarcane production on respiratory diseases. Regional Science and Urban Economics, 2016.
- ⑧ Clarke D. Estimating difference-in-differences in the presence of spillovers[J]. 2017.
- 六、交叠DID最新应用的系统梳理
- 6.1 交叠DID应用在顶刊的统计分析
- 6.2 中文期刊交叠DID的两种主流趋势
- 6.3 异质性处理效应的TWFE估计偏误的来源
- 6.3.1 禁止性比较组
- 6.3.2 负权重问题
- 6.3.3 协变量问题
- 6.3.4 非平行趋势
- 6.4 AI赋能：交叠DID识别与图示法的自动化实现
- 6.4.1 交叠DID识别
- 6.4.2 交叠DID图示法
- 6.5 交叠DID研究的实用建议
- 6.5.1 如何在多期与处理时间变化时，选择合适的DID估计量？
- 6.5.2 如何处理非平行趋势的情况？
- 6.5.3 交叠DID各种估计方法应用建议
- 6.6 重要文献解读2篇：
- ① De Chaisemartin C, D'Haultfoeuille X. Two-wayfixed effects and differences-in-differences with
- heterogeneous treatment effects: A survey[R]. National Bureau of Economic Research, 2022.
- ② 刘冲,沙学康,张妍.交错双重差分:处理效应异质性与估计方法选择.数量经济技术经济研究, 2023.
- 七、交叠DID检验
- 7.1 AI赋能：Bacon分解的自动化实现与图形解析
- 7.1.1 Bacon分解的图形解析
- 7.1.2 Bacon分解Stata官方命令与社区命令结果比较与解读
- 7.2.3 Bacon分解的中文应用
- 7.2 处理组的负权重检验
- 7.2.1 负权重检验统计量直观解释
- 7.2.2 负权重检验Stata命令实现
- 7.3 非平行趋势检验
- 7.3.1 事件研究法平行趋势检验效力
- 7.3.2 如何正确理解新事件研究法的平行趋势检验图
- 7.3.3 Pre-trends检验
- 7.4 重要文献解读2篇：
- ③ Goodman-Bacon, Andrew, Difference-in-differences with variation in treatment timing,
- Journal of Econometrics, 2021.
- ④ Roth J, Sant’Anna P H C, Bilinski A, et al.What’s trending in difference-in-differences? A synthesis of
- the recent econometrics literature, Journal of Econometrics, 2023.
- the recent econometrics literature, Journal of Econometrics, 2023.
- 八、组别-时期平均处理效应估计量
- 8.1 AI赋能：dcdH估计量的自动化实现与应用
- 8.1.1 DeChaisemartin和 d'Haultfœuille(2020) 估计量的理论简析
- 8.1.2 dcdH估计量扩展到多个处理事件和多期
- 8.1.3 dcdH估计量的Stata实现
- 8.1.4 dcdH估计量的应用
- 8.2 AI赋能：SA估计量的自动化实现与应用
- 8.2.1 Sun和 Abraham(2021) 估计量的理论简析
- 8.2.2 SA估计量的Stata实现
- 8.2.3 SA估计量的应用
- 8.3 AI赋能：CS估计量的自动化实现与应用
- 8.3.1 Callaway和 Sant’Anna(2021) 估计量的理论简析
- 8.3.2 CS估计量的Stata官方命令与社区命令实现
- 8.3.3 CS估计量的应用
- 8.4 AI赋能：Plug-in估计量的自动化实现与应用
- 8.4.1 Roth和Sant’Anna(2023) 估计量的理论简析
- 8.4.2 staggered社区命令实现
- 8.4.3 Plug-in估计量的应用
- 8.5 重要文献解读3篇：
- ⑤ De Chaisemartin C, d'Haultfoeuille X. Two-way fixed effects estimators with heterogeneous treatment
- effects[J]. American Economic Review, 2020.
- ⑥ Sun L, Abraham S. Estimating dynamic treatment effects in event studies 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 of
- Econometrics, 2021.
- 九、基于TWFE改进的新估计量
- 9.1 AI赋能：异质性稳健TWFE的交叠DID新命令的自动化实现
- 9.2 重要文献解读1篇：
- ⑧ Wooldridge J M. Two-way fixed effects, the two-way Mundlak regression, and difference-in-differences
- estimators[J].Available at SSRN 3906345, 2021.
- 十、基于插补方法的估计量
- 10.1 AI赋能：Imputation估计量的自动化实现与应用
- 10.2 两阶段DID估计量
- 10.3 重要文献解读2篇：
- ⑨ Borusyak K, Jaravel X, Spiess J. Revisiting event study designs: 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.
- 十一、堆叠与局部投影估计量
- 11.1 AI赋能：堆叠估计量的自动化实现与应用
- 11.2 AI赋能：局部投影估计量的自动化实现与应用
- 11.3 重要文献解读2篇：
- ⑨ Cengiz D, Dube A, Lindner A, et al. The effect of minimum wages on low-wage jobs. The Quarterly
- Journal of Economics, 2019.
- ⑩ Dube, A., D. Girardi, Ò. Jordà and A. M.Taylor. A Local Projections Approach to Difference-in-Differences
- Event Studies. NBER Working Paper 31184, 2023.
- 十二、DID与合成控制的结合：合成DID
- 12.1 合成DID的原理与应用领域
- 12.2 AI赋能：合成DID的命令实现与自动化分析
- 12.3 重要文献解读1篇：
- ⑬ Arkhangelsky D, Athey S, Hirshberg D A, et al.Synthetic difference-in-differences[J]. American
- Economic Review, 2021.
Trae+AI 智能体助力DID-4天_第18期 2026 new