DID专题课-4天  2025 new

DeepSeek助力：传统DID+多期DID+DID模型扩展+空间DID+交叠DID

课程特色：

（1）加强了基础性的操作，如多期DID中，对动态多期虚拟变量的生成，增加了Stata的两种实现代码；

（2）细化了多期DID的章节，如多期DID中，考虑了同时点和异时点两种情况下的多期政策效果评估，增加了Beck(2010)动态图形展示，更清晰的理解动态DID的理论内涵；

（3）增加了DID领域的新近研究 成果，如考虑了溢出性处理效应下的政策评估；

（4）解读最新关于传统面板PSM-DID方法的不足及改进的论文；

（5）前沿专题-交叠DID教学目标：对近3年DID领域中出现的新方法进行系统掌握，能够对其主要命令，主要原理，主要应用场景和结果的解读进行掌握，达到运用新方法进行论文写作的目标。

2025年交叠DID更新：

1. 系统梳理了交叠DID发展的主要脉络，主要包括交叠处理的几种类型，交叠DID检验的主要方法，交叠DID估计方法的最新思路和进展;

2. 在对主流文献进行分析的基础上，说明现有文献对交叠DID方法应用的两种主要做法;

3. 结合交叠DID的最新理论研究，将估计方法进一步细分，分为组别-时期平均处理效应、异质性稳健的双向固定效应方法的DID估计量，插补方法估计量，堆叠和局部投影估计量，以及DID与合成控制结合的合成控制DID等;

4. 对每种新的方法，从“理论+代码+文献”三个维度展开，做到在理解原理的基础上，能够做到Stata代码实现，并能结合自身的研究主题，选择适当的方法展开研究。

5.全面加入DeepSeek助力内容，显著提升DID学术研究的效率和质量。

课程内容：

12小时：DeepSeek助力：传统DID+多期DID+DID模型扩展+空间DID，含9篇范例论文解析

一、传统DID（3h）

1.1 课程导言

1.1.1 政策评估主流方法

1.1.2 国内顶刊DID刊文情况与模型类型梳理

1.1.3 建立因果关系

1.1.4 DID政策评估，如何识别两种错误的反事实

1.2 模型构建

1.2.1 政策效果不随时间而变

1.2.2 政策效果随时间变动

1.3 DeepSeek赋能：Stata实现与自动化分析

1.3.1 DID数据生成与处理

1.3.2 基于DID基本原理的Stata实现

1.3.3 两种政策效果比较

1.3.4 七种传统DID命令与Stata18官方新命令估计结果分析

二、多期DID（渐进DID）（3h）

2.1 多期DID政策效应的动态图形展示

2.1.1Beck_Levine(2010)经典图形展示

2.1.2 DeepSeek赋能：coefplot命令动态图形展示与自动化生成

2.2 多期DID平行趋势检验图形实现

2.2.1 图示法

2.2.2 系数检验法

2.3 DeepSeek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

2.3.3 时空随机化的安慰剂检验

2.4 队列DID

2.5 三重差分模型（DDD）

2.6 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? TheWinners and Losers from Bank Deregulation in the United States. The Journal of Finance,65(5), pp. 1637-1667

三、DID模型扩展（3h）

3.1 DeepSeek赋能：PSM-DID的自动化实现与优化

3.1.1 PSM估计的三种程序实现

3.1.2 共同支持检验（common support）

3.1.3 多期面板数据PSM-DID的Stata实现

3.1.4 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)

3.1.5 例文精读1篇：

⑤ 谢申祥等.传统PSM-DID模型的改进与应用.统计研究,2021 (02)

3.2 时变处理时间与持续期的灵活面板DID因果分析

3.3 DeepSeek赋能：异质性处理效应的自动化估计与模糊DID应用

3.3.1 模糊DID（Fuzzy DID）估计量与Stata实现

3.3.2 异质性处理效应时，双向固定效应估计还稳健吗？

3.3.3 异质性处理效应存在时的解决方法：模糊DID

3.3.4 例文精读1篇：

⑥ Chaisemartin, Clément de, and XavierD’Haultfoeuille. “Two-Way Fixed Effects Estimators with Heterogeneous Treatment Effects.” American Economic Review 110, no. 9 (September 2020):2964–96.

四、空间DID（3h）

4.1 忽略空间因素的DID结果可靠吗？

4.2 空间DID模型构建

4.3 政策评估的空间效应分解

4.4 存在溢出处理效应时的稳健DID估计

4.5 例文精读3篇：

⑦ 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

⑧ Chagas, André L.S, Azzoni C R , Almeida A N. Aspatial difference-in-differences analysis of the impact of sugarcane production on respiratory diseases. Regional Science and Urban Economics, 2016.

⑨ Clarke D. Estimating difference-in-differences in the presence of spillovers[J]. 2017.

12小时：DeepSeek助力：交叠DID 2025升级版，含13篇范例论文解析

第1讲 交叠DID最新应用的系统梳理

1.1  交叠DID应用在顶刊的统计分析

1.2  中文期刊交叠DID的两种主流趋势

1.3  异质性处理效应的TWFE估计偏误的来源

 1.3.1禁止性比较组

 1.3.2负权重问题

 1.3.3协变量问题

 1.3.4非平行趋势

1.4 DeepSeek赋能：交叠DID识别与图示法的自动化实现

 1.4.1交叠DID识别

 1.4.2交叠DID图示法

1.5  交叠DID研究的实用建议

 1.5.1如何在多期与处理时间变化时，选择合适的DID估计量？

 1.5.2如何处理非平行趋势的情况？

 1.5.3交叠DID各种估计方法应用建议

1.6 重要文献解读2篇：

① De Chaisemartin C, D'Haultfoeuille X. Two-way fixed 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.

第2讲 交叠DID检验

2.1 DeepSeek赋能：Bacon分解的自动化实现与图形解析

 2.1.1Bacon分解的图形解析

 2.1.2Bacon分解Stata官方命令与社区命令结果比较与解读

 2.2.3Bacon分解的中文应用

2.2 处理组的负权重检验

 2.2.1负权重检验统计量直观解释

 2.2.2负权重检验Stata命令实现

2.3 非平行趋势检验

 2.3.1事件研究法平行趋势检验效力

 2.3.2如何正确理解新事件研究法的平行趋势检验图

 2.3.3Pre-trends检验

2.4 重要文献解读2篇：

③ Goodman-Bacon, Andrew, Difference-in-differences with variation intreatment timing, Journal of Econometrics, 2021.

④ Roth J, Sant’Anna P H C, Bilinski A, etal.What’s trending in difference-in-differences? Asynthesis of the recent econometrics literature, Journal of Econometrics, 2023.

第3讲 组别-时期平均处理效应估计量

3.1 DeepSeek赋能：dcdH估计量的自动化实现与应用

 3.1.1DeChaisemartin和 d'Haultfœuille(2020) 估计量的理论简析

 3.1.2dcdH估计量扩展到多个处理事件和多期

 3.1.3dcdH估计量的Stata实现

 3.1.4dcdH估计量的应用

3.2 DeepSeek赋能：SA估计量的自动化实现与应用

 3.2.1Sun和 Abraham(2021) 估计量的理论简析

 3.2.2SA估计量的Stata实现

 3.2.3SA估计量的应用

3.3 DeepSeek赋能：CS估计量的自动化实现与应用

 3.3.1Callaway和 Sant’Anna(2021) 估计量的理论简析

 3.3.2CS估计量的Stata官方命令与社区命令实现

 3.3.3CS估计量的应用

3.4 DeepSeek赋能：Plug-in估计量的自动化实现与应用

 3.4.1Roth和Sant’Anna(2023) 估计量的理论简析

 3.4.2staggered社区命令实现

 3.4.3Plug-in估计量的应用

3.5 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.

第4讲 基于TWFE改进的新估计量

4.1 DeepSeek赋能：异质性稳健TWFE的交叠DID新命令的自动化实现

4.2 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 SSRN3906345, 2021.

第5讲 基于插补方法的估计量

5.1 DeepSeek赋能：Imputation估计量的自动化实现与应用

5.2 两阶段DID估计量

5.3 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.

第6讲 堆叠与局部投影估计量

6.1 DeepSeek赋能：堆叠估计量的自动化实现与应用

6.2 DeepSeek赋能：局部投影估计量的自动化实现与应用

6.3 重要文献解读2篇：

⑪ Cengiz D,Dube A, Lindner A, et al. The effect of minimum wages on low-wage jobs. The Quarterly Journal of Economics, 2019.

⑫ 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.

第7讲 DID与合成控制的结合：合成DID

7.1 合成DID的原理与应用领域

7.2 DeepSeek赋能：合成DID的命令实现与自动化分析

7.3 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.

优惠：

• 学术培训老学员9折优惠；

• PS：折扣优惠与学生价均不叠加。

在线咨询：

尹老师

电话：13321178792

QQ：42884447

WeChat：JGxueshu