双重差分模型(DID)是实证经济学中非常常用的一个方法。如果对DID模型不熟悉,可以看我的专栏文章:http://zhuanlan.zhihu.com/jingjixue/19793523作为简要的介绍。然而实际应用中,双重差分模型却有着非常强的假设。一个最为重要的假设是所谓的「common trend」假设,即控制组和处理组在没有经过处理的时候,其结果变量的趋势是一样的。但是如果仔细想一下,双重差分模型对于结果变量的变换不是不变的。一个简单的例子是,如果关心的结果是收入,A的收入为1w,B的收入为2w。如果我们拿收入水平作为y,那么双重差分模型的潜在假设是收入增长的幅度是一样的,比如下一期A的收入如果变成了1.5w,B的收入应该为2.5w。而如果我们假设ln(income)作为y,那么如果A的收入变成了1.5w,B的收入应该为3w。所以在不同的设定下,common trend假设对任意单调变换是不可能同时成立的。那么有没有可能对DID模型进行非线性甚至非参数的扩展呢?Susan Athey以及Imbens 于2006年发表在Econometrica上的文章《Identification and Inference in Nonlinear Difference-in-Differences Models》讨论了DID模型的非参数扩展——Changes-in-changes模型。这
...
继续阅读
(78)