DID前沿-交叠DID

现场

1200元/ 1050元(学生优惠价仅限全日制本科及硕士在读)

远程

1200元/ 1050元(学生优惠价仅限全日制本科及硕士在读)
上课地点:在线学习,提供全部资料及主讲老师答疑 讲师:崔百胜 报名时间:2023/01/31 - 2023/12/31 开课时间:2023年9月录播,6小时

DID前沿专题 


课程导语:

      今3年来,针对经典双向固定效应(TWFE)模型在处理效应估计中可能存在错误估计的问题,出现了一系列不同DID方法的创新来试图纠正估计过程中一个或另外一个方面的问题,其中以交叠情况下DID方法为其中最有代表性,这些方法或是在平行趋势检验,或是在不同个体权重存在异质性,或是包含协变量,运用了包括自举、逆概率权重、匹配或Imputations等各类方法。但针对这些新方法,在不同运用场景下,如何进行选择,还是一个值得进一步讨论的话题。

本次课程主要就近年DID这个十分活跃领域出现的新方法进行学习。

主要教学对象为已有一定计量经济学基础,有初级DID应用的学员。

教学目标为了使学员对近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。



本次更新:

(1)增加了交叠DID的图形展示, 更容易对交叠DID的具体类型进行直观展示,以便于确定合理的模型形式;

(2)结合国内外的文献,对交叠DID的估计方法进行系统梳理,重点讲授当前主流文献中引用率较高的三大类共6种交叠DID的估计方法,以便于根据自己数据和事件的主要形式,选择合适的估计方法;

(3)增加了中文最新文献,以便于了解国内对交叠DID研究的最新进展。


课程内容:

一、交叠DID应用建议

1. 如何在多期与处理时间变化时,选择合适的DID估计量?

2. 如何处理非平行趋势的情况?

3. 如何在少量处理单位情况下进行科学抽样?

4. 交叠DID的图示法

5. 交叠DID新命令一览

6. 文献解读

[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[J].数量经济技术经济研究:1-28.


二、交叠DID分解

1. TWFE在交叠DID估计中的偏误分解

2. 交叠DID的Bacon分解与Stata实现

3. 文献解读

[1] Goodman-Bacon, Andrew, “Difference-in-differenceswith variation in treatment timing,” Journal of Econometrics, 2021, 225 (2),254–277.


三、三类交叠DID的异质稳健估计

(一)组别-时期平均处理效应

1. DeChaisemartin和 d'Haultfœuille (2020) 提出的估计量 (did_multiplegt)

2. Sun 和Abraham (2021) 提出的估计量 (event study interact)

3. Callaway 和 Sant’Anna (2021) 提出的估计量 (csdid)

4. 文献解读

[1] De Chaisemartin C, d'Haultfoeuille X. Two-way fixed effects estimators with heterogeneous treatment effects[J]. American Economic Review, 2020, 110(9):2964-96.

[2] Sun L, AbrahamS. Estimating dynamic treatment effects in event studies with heterogeneous treatment effects[J]. Journal of Econometrics, 2021, 225(2): 175-199.

[3] Callaway B, Sant’Anna P H C.Difference-in-differences with multiple time periods[J]. Journal of Econometrics,2021, 225(2): 200-230.


(二)插补估计量

1. Borusyaket al.(2021)提出的估计量 (did_imputation)

2. Gardner(2021)提出的估计量(did2s)

3. 文献解读

[1] Borusyak K,Jaravel X, Spiess J. Revisiting event study designs: Robust and efficient estimation[J]. arXiv preprint arXiv:2108.12419, 2021.

[2] Braghieri L, Levy R, Makarin A. Social media and mental health[J]. American Economic Review, 2022, 112(11): 3660-3693. new


(三)堆叠回归估计量

1. Cengizet al.(2019)提出的估计量(stackedev)

2. 文献解读

[1] Cengiz D, Dube A, Lindner A, et al. Theeffect of minimum wages on low-wage jobs[J]. The Quarterly Journal of Economics,2019, 134(3): 1405-1454.


四、DID与合成控制的结合:合成DID

1. 合成DID的原理与应用领域

2. 合成DID的命令实现

3. 文献解读

[1] Arkhangelsky D, Athey S, Hirshberg D A, et al.Synthetic difference-in-differences[J]. American Economic Review, 2021,111(12): 4088-4118.

优惠:

1. 学术培训老学员9折优惠;

2. 同一单位三人以上报名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