Stata 双重差分 DID 怎么做：平行趋势检验与结果解读

Stata 双重差分最常卡住的一步是平行趋势检验：它不显著时，只能说明没发现违背的证据，再看 Treat × Post 交互项的系数和置信区间就是政策净效应。在本站用双重差分(DID) 菜单，上传数据、拖四列变量、点开始分析，三步出完整报告。

双重差分法 DID 的数据要怎么排

以下结果来自本站演示数据（模拟生成，不代表真实研究结论）：60 家企业、2018–2023 年共 6 期、360 行，其中 30 家在 2021 年成为试点。数据按「一行一家企业一年」的长表排列，Stata 的 .dta 文件可以直接上传。方法说明与全部选项见帮助文章双重差分(DID)。

列名	类型	放进哪个区	说明
全要素生产率指数(基期=100)	定量	放入因变量 Y	被解释变量
是否试点(处理组)	0/1	放入分组变量 Treat	1=处理组，0=对照组，编码反了会让符号反向
年份	数值	放入时间变量 Time	至少两个取值
企业编号	文本或数值	放入个体ID (可选)	提供后按个体聚类，强烈建议放
企业规模(对数总资产)	定量	放入控制变量 (可选)	只放不受政策影响的前定变量

Stata 双重差分在线怎么做

1. 上传 .dta、.xlsx 或 .csv 文件，在方法列表里找到「双重差分(DID)」。
2. 把上表五列分别拖进第三列写的五个区（区名照页面原文）。
3. 「事件发生时点」可以留空：系统按年份取值的中位次序推断为 2021，报告会写明这是推断值；真实政策年份不同时就填上。
4. 点开始分析，报告依次给出前提检验、主结果表、平行趋势图、效应量与稳健性、结论句五张卡。分析和查看结果不用登录；开通会员后可导出 Word / PDF 报告、使用 AI 解读。

平行趋势检验结果怎么看

先看第一张卡的识别前提表。事件研究法的事前联合检验 F(2, 59)=0.124，p=0.884；只用事件前样本的线性趋势差异检验，交互系数 0.089，p=0.931。两项都说明没有发现违背平行趋势的证据。

再看事件研究动态效应图。以 2020 年为基期，2018、2019 年的效应分别为 -0.588（p=0.629）和 -0.218（p=0.840），置信区间都跨 0；2021–2023 年分别为 3.839、3.987、3.869，均显著。本例事前点估计靠近参考线，事后估计为正；这种图形并不验证识别假设，应与设计依据共同说明。

净效应 ATT 和稳健性怎么读

主结果表里 Treat × Post 的系数就是净效应：ATT=4.175，标准误 0.632（按企业聚类，60 个聚类），95%CI [2.909, 5.440]，p<0.001。换成标准化效应 δ=0.756，属于中等效应。事前组间差 3.557（p=0.004）显著，这是水平差异，本身不违反平行趋势要求，但仍须论证两组未受处理时的变化可比。

下表补充各单元格内部的样本离散程度，用于区分观测波动与 ATT 估计误差。四个样本标准差不能直接合并为 ATT 的聚类标准误。

第四张卡还做了两项稳健性检验：去掉控制变量后净效应为 5.086；把事件时点前移到 2019 年做安慰剂检验，伪净效应 0.467，p=0.637，未检出显著伪效应；这一结果不排除其他事前趋势或遗漏因素，无法据此确立因果解释。

双重差分结果在论文里怎么写

可以照这个句式写，数字换成自己的结果：

采用双重差分法评估 2021 年试点政策的影响。事件研究法的事前联合检验 F(2, 59)=0.124，p=0.884，未发现违背平行趋势的证据。模型估计处理组的全要素生产率指数相对对照组平均差异为 4.175（95%CI [2.909, 5.440]，p<0.001），标准误按企业聚类；安慰剂检验的伪净效应为 0.467（p=0.637）。

Stata 双重差分常见错误

• 把「检验不显著」写成「平行趋势成立」：应写「未发现违背平行趋势的证据」，并附事件研究图。
• 分组变量编码反了：处理组必须是 1。模块遇到非 0/1 编码会直接提示，避免净效应符号反向。
• 面板数据不给个体编号：本例去掉企业编号后标准误从 0.632 变成 1.172，推断自由度也从 59 变成 355。
• 多个时点陆续受处理还用经典 DID：交错处理时双向固定效应估计量可能有偏，需要单独说明局限。

怎么确认没有读错

先核对事件时点、基期、处理组与对照组，再分别登记事前联合检验、政策后估计和安慰剂结果。事前未检出偏离与安慰剂未显著不验证识别假设，仍需说明平行趋势、无预期反应与无溢出等设计条件；无法估计的项目应保留原因。

延伸阅读

• 事件研究法
• 双重差分(DID) 帮助文章：全部选项与报告说明
• 帮助中心：全部方法索引