雙重差分模型理論講解學(xué)習(xí)筆記（還講了三重差分的原理），以及配套的DID代碼+數(shù)據(jù)，跟著我整理的學(xué)習(xí)筆記學(xué)習(xí)即可快速掌握DID的原理以及操作的核心要義。另外還有多期DID代碼和數(shù)據(jù)、空間雙重差分（SDID）實現(xiàn)代碼加數(shù)據(jù)，matlab以及stata代碼均有，都有詳細的參考文獻哦！可以按自己的需求購買哦，資料都是本人論文寫作過程中學(xué)習(xí)并整理，可提供耐心的售后服務(wù)哦。

傳統(tǒng)的雙重差分（DID）作為政策效應(yīng)評估方法中的一大利器，受到越來越多人的青睞，概括起來主要有如下幾個方面的原因：（1）可以很大程度上避免內(nèi)生性問題的困擾：政策相對于微觀經(jīng)濟主體而言一般是外生的，因而不存在逆向因果問題。此外，使用固定效應(yīng)估計一定程度上也緩解了遺漏變量偏誤問題。（2）傳統(tǒng)方法下評估政策效應(yīng)，主要是通過設(shè)置一個政策發(fā)生與否的虛擬變量然后進行回歸，相較而言，雙重差分法的模型設(shè)置更加科學(xué)，能更加準確地估計出政策效應(yīng)。（3）盡管雙重差分法估計的本質(zhì)就是面板數(shù)據(jù)固定效應(yīng)估計，但是DID聽上去或多或少也要比OLS、FE之流更加“時尚高端”。

但是，在傳統(tǒng)的DID中，一個經(jīng)典的假設(shè)是個體處理效應(yīng)穩(wěn)定性假設(shè)（Stable Unit Treatment Value Assumption，SUTVA）。SUTVA最重要的一點是“處理組個體不會影響控制組個體”。換言之，在SUTVA框架下，總體中的任何個體并不會受到其他個體接受處理與否的影響。然而，這個假設(shè)在考慮到空間相關(guān)性時被打破了，或者說，當(dāng)不同空間單元之間存在相關(guān)性即存在空間溢出效應(yīng)時，SUTVA不再成立（Kolak&Anselin，2019）。并且事實上，SUTVA在大多數(shù)情況下可能都不成立，而現(xiàn)有的DID類實證文章很少會考慮到這一點，并且Ferman（2020）指出忽略空間相關(guān)性將導(dǎo)致標(biāo)準誤被低估，從而夸大系數(shù)的顯著性。于是空間雙重差分SDID應(yīng)運而生！

本資料空間DID stata代碼主要借鑒以下兩篇文獻，其中文獻1是借鑒了文獻2。

1.雙循環(huán)背景下“一帶一路”倡議對中國城市包容性綠色增長的促進效應(yīng)分析（2021）

2.A spatial difference-in-differences analysis of the impact of sugarcane production on respiratory diseases（2016）

這兩篇文獻均做到了將間接效應(yīng)進一步分解，不再是原來的平均效應(yīng)，而是進一步分解為了處理組對處理組，處理組對非處理組