近期现场/远程培训 当因果推断遇见DDML和DeepSeek -基于设计的计量经济学
近期专题培训 跨越传统边界:AI赋能下的财务金融研究与论文发表
DeepSeek助力:DID前沿专题--交叠DID
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:
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
2.1.1 Bacon分解的图形解析
2.1.2 Bacon分解Stata官方命令与社区命令结果比较与解读
2.2.3 Bacon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
2.3.3 Pre-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
3.1.1 DeChaisemartin和 d'Haultfœuille(2020) 估计量的理论简析
3.1.2 dcdH估计量扩展到多个处理事件和多期
3.1.3 dcdH估计量的Stata实现
3.1.4 dcdH估计量的应用
3.2 DeepSeek赋能:SA估计量的自动化实现与应用
3.2.1 Sun和 Abraham(2021) 估计量的理论简析
3.2.2 SA估计量的Stata实现
3.2.3 SA估计量的应用
3.3 DeepSeek赋能:CS估计量的自动化实现与应用
3.3.1 Callaway和 Sant’Anna(2021) 估计量的理论简析
3.3.2 CS估计量的Stata官方命令与社区命令实现
3.3.3 CS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
3.4.1 Roth和Sant’Anna(2023) 估计量的理论简析
3.4.2 staggered社区命令实现
3.4.3 Plug-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:
JG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