DID模型学习教程.pptx

背景背景通常大范围的公共政策有别于普通科研性研究，难以保证对于政策实施组和对照组在样本分配上的完全随机。非随机分配政策实施组和对照组的试验称为自然试验(natural trial)，此类试验存在较显著的特点，即不同组间样本在政策实施前可能存在事前差异，仅通过单一前后对比或横向对比的分析方法会忽略这种差异，继而导致对政策实施效果的有偏估计。DID 模型正是基于自然试验得到的数据，通过建模来有效控制研究对象间的事前差异，将政策影响的真正结果有效分离出来。第1页/共17页第2页/共17页三种表现形式三种表现形式表格图形回归方程第3页/共17页第4页/共17页第5页/共17页第6页/共17页DIDDID模型在不同数据类型上的应用模型在不同数据类型上的应用第7页/共17页第8页/共17页一般化DID 模型由于一般大规模的人群调查存在较大的变异性问题，仅在模型中纳入虚拟变量“分组(A)”、“时间(T)”是远远不够的。为了提高解释系数R2，需要加入其他可能影响被解释变量的因素，即控制除分组、时间变量以外的其他变量。对于结局变量是一些偏态分布的连续性变量，可通过非线性处理(如取自然对数)后再行建模，而进一步提高模型的拟合度。第9页/共17页关键假设第10页/共17页第11页/共17页比较起来，关键在于在两组中缺少时间趋势的介入的条件是相同的如果在一个区域有不同的趋势进行干预，会引起结果描述的不准确在本例中可以认为有介入发生的区域Y的下降更快第12页/共17页第13页/共17页DID模型在医药卫生方面应用现状模型在医药卫生方面应用现状国外：通过搜索PubMed发现，在已经发表的关于DID模型的文章中一半以上的文章将DID用于政策评价，其他研究包括干预评价和事件影响。在这些文献中，74%的文章作者或者机构来自美国，其次为英国，占6%。相较于这两个国家中国学者在这方面研究还存在一定差距，仅占2%。国内：通过搜索CNKI发现关于DID模型在医药卫生方面的应用到目前为止也仅有3篇第14页/共17页延伸拓展延伸拓展第15页/共17页Thanksforyourlistening第16页/共17页感谢您的欣赏！第17页/共17页