双重差分（DID）

DID 的思想起源：从霍乱地图到因果推断

追溯双重差分法的历史脉络——从 19 世纪 John Snow 的伦敦霍乱研究到现代计量经济学的基石，理解 DID 的核心思想如何诞生。

1_DID 的思想起源

2_DID 的方法谱系

3_面向应用的计量经济方法学习策略

11_必要基础知识

12_标准 did 与 TWFE

13_DID 中的平行趋势检验

14_安慰剂检验

Abadie & Dermisi（2008）

15_强度DID

16_多维固定效应

17_DID中的控制变量

18_AI赋能的框架与路径

21_DDD的基本思想

22_DDD的模型与识别pptx

23_DDD文章案例

31_考虑空间溢出的双重差分模型

32_空间计量经济学基础

33_空间 did

41_渐进did的传统做法

42_Bacon分解-坏控制组的理解

43_Bacon分解-负权重的理解

44_Bacon分解-权重的构造

45_Bacon分解-实证研究应用

46_CS 估计量--基础组件估计

47_CS 估计量--合成方法与案例

48_SA 估计量--缺案例

51_模糊DID的基本思想以及Wald-DID

52_模糊DID中的Wald-TC估计量

61_合成控制法及其问题

62_SDID

71_群聚分析与断点回归

72_群聚分析基本原理-两类拐点

73_群聚DID

DDD完全指南：原理、建模、识别条件与文献案例

当你想用DID评估政策效果，却发现处理组和控制组并不满足平行趋势假设——怎么办？ 一个解决方法是：引入第三个维度的分组，再多做一重差分，这就是传说中的DDD 再多分一组，为什么就能把混杂因素分离出来？DDD模型长什么样的？此时的平行趋势又是什么含义呢？ 欢迎阅读本期栏目

经典 2×2 双重差分（DID）：模型设定、估计与推断

系统讲解经典双重差分法的模型设定、双向固定效应估计、聚类标准误选择，配套完整Stata代码。

事件研究法：动态效应估计与系数图

事件研究法（Event Study）的完整讲解，包含动态效应估计、系数图绘制、归一化和Leads/Lags设置。

平行趋势假设：直觉、检验与可视化

深入理解DID的核心假设——平行趋势。讲解假设的含义、可视化检验方法和预趋势检验（Pre-trend test），配套Stata代码。

Staggered DID：TWFE偏误与新估计量（CS/SA/BJS）

深度讲解交错DID中TWFE的偏误问题，介绍Callaway-Sant'Anna、Sun-Abraham、Borusyak-Jaravel-Spiess三种新估计量的原理与实操。