加权DID, IPW-DID实证程序百科全书式的宝典
凡是搞计量经济的，都关注这个号了
邮箱：econometrics666@sina.cn
所有计量经济圈方法论丛的code程序, 宏微观数据库和各种软件都放在社群里.欢迎到计量经济圈社群交流访问.
今天，“因果推断研究小组”将为圈友们引荐一种与Matching类似的处理“因接受政策干预的非随机性而导致的内生性问题”(也可以说是selection bias)。比如，接受培训项目是否能够提高个体的工资，那么很可能某些工资更加高的个体更愿意选择接受这个培训项目，从而导致是否接受培训项目这个政策存在内生性问题。咱们因果推断研究小组应该在Matching方法上做得比较全面，讲了很多的Matching方法和他们的优缺点，以及实现他们的步骤和全方位的解读。
尽管如此，并没有引荐关于weighted DID，就是通过构建一个权重weight，然后放到DID中去进行加权回归。Matching通过预测倾向得分值ps，然后去进行匹配处理组与控制组的个体，本质上，与咱们今天即将引荐的weighted DID是殊途同归的，都是可以解决“selection into treatment”问题的。更常见的是，这个weight的构建是基于前面倾向得分值ps的，比如，对于处理组的weight=1，对于控制组的weight=ps/(1-ps)，后面做一个DID加权回归即可得到想要的ATT和ATE。
咱们就不再把结果贴出来进行解释了，因为输出来的结果非常清晰明了，不会存在太多的疑问，何况前面列出的系列Matching文章里有详细的解释。下面的图片里有对每一步做出解释，当然，主要关注的是(2a), (2b)和(4)里面的结果，因为这是weighted DID具体做法。(2a)是使用的kernal matching得到的权重weight，(2b)使用的是自己构建的weight，而这个权重是以倾向得分值为基础，(4)使用的是“逆概率加权”ipw做的DID，注意里面的因变量是did_fte。这里面得到的结果都会差不多，因为ps值并不是非常靠近0或者1，所以得到的weight也不会因太大或太小而出现偏差。
图片略，可通过二维码直接下载do file和数据
长按二维码即可直达do file。
推荐阅读
10.关于DID的所有解读,资料,程序,数据,文献和各种变形
16.二重差分法分析（DID）
19.三重差分法运行和示例
欢迎补充最新DID种类; 欢迎到计量社群交流探讨“DID”发展的最新趋势和应用。
2年，计量经济圈公众号近1000篇文章，
Econometrics Circle
干货系列：能源环境 | 效率研究 | 空间计量 | 国际经贸 | 计量软件 | 商科研究 | 机器学习 | SSCI | CSSCI
计量经济圈组织了一个计量社群，有如下特征：热情互助最多、前沿趋势最多、社科资料最多、社科数据最多、科研牛人最多、海外名校最多。因此，建议积极进取和有强烈研习激情的中青年学者到社群交流探讨，始终坚信优秀是通过感染优秀而互相成就彼此的。