之前推荐了这篇“从双重差分法到事件研究法, 双重差分滥用与需要注意的问题“综述性文章，今天，我们再推荐一篇多期DID或交叠DID或渐进DID或多期DID最新进展的综述性文章《多时点双重差分法的潜在问题与解决措施》

正文

王鹏超,韩立彬.多时点双重差分法的潜在问题与解决措施[J].东北财经大学学报,2023,No.146(02):27-39

多时点双重差分法具有准自然试验特征，可以相对干净地识别因果效应，广泛应用于与政策评估相关的研究中，但必须重视其可能存在的估计偏差问题。本文总结了多时点双重差分法存在的问题和相应的解决措施。通过梳理最新文献发现，多时点双重差分法回归系数识别的是组别—时间处理效应的加权平均，而非受处理个体的平均处理效应。在异质性处理效应下，多时点双重差分法估计系数有偏，严重时估计系数符号会与真实系数符号相反。目前文献上提出的解决措施可以归结为一个诊断方法和三类解决方法。其中，诊断方法为Goodman-Bacon的系数分解定理，三类解决方法分别是加总方法、两步回归法和堆叠型双重差分法。

针对多时点DID存在的问题，学者们提出了不同的解决方法，本文将其归结为一个诊断方法和三类解决方法。其中，诊断方法为Goodman-Bacon的系数分解定理，该方法用于诊断估计系数的偏差程度。第一类解决方法为Sun和Abraham、Callaway和Sant'Anna提出的加总方法，即分别估计每个时期每个组别平均处理效应，再将其加总得到所有受处理个体的平均处理效应；第二类解决方法为Gardner和Borusyak和Jaravel等提出的两步回归法；第三类解决方法为堆叠型DID（stacked DID），将每一政策时点前后一段时期内的处理组和干净的对照组形成一个数据集，之后把所有的数据集堆叠并进行回归。

*下面内容用PC端看起来更舒服。

五、结论与建议

关于交叠或多期DID，参看：1.120篇DID双重差分方法的文章合集, 包括代码,程序及解读, 建议收藏！2.诚实双重差分法DID, 面板事件研究法和Bacon分解的经典应用文！3.前沿: 多期或渐进或交叠DID, 如何进行平行趋势检验呢？4.多期DID或渐进DID或交叠DID, 最新Stata执行命令整理如下供大家学习，5.DID前沿: 5种方法估计事件研究的因果效应, 并使用绘制系数和置信区间, 详细代码和数据，6.事件研究法开展政策评估和因果识别, 分享8篇提供数据和代码的文章，7.推荐用渐进(多期)DID和事件研究法开展政策评估的论文及其实现数据和代码！8.机器学习已经与政策评估方法, 例如事件研究法结合起来识别政策因果效应了！9.前沿, 模糊双重差分法FDID方法介绍和示例, 附code和数据！10.双重差分法和事件研究法的区别主要在哪里？11.前沿, 合成双重差分法SDID方法介绍和示例, 附code和数据！12.具有空间溢出效应的双重差分法估计最全综述, 理论和操作尽有！13.最新Sun和Abraham(2021)和TWFE估计多期或交错DID并绘图展示结果！详细解读code！

下面这些短链接文章属于合集，可以收藏起来阅读，不然以后都找不到了。