传统的双重差分(DID)作为政策效应评估方法中的一大利器,受到越来越多人的青睐,
但是,在传统的DID中,一个经典的假设是个体处理效应稳定性假设(Stable Unit Treatment Value Assumption,SUTVA)。SUTVA最重要的一点是“处理组个体不会影响控制组个体”。换言之,在SUTVA框架下,总体中的任何个体并不会受到其他个体接受处理与否的影响。这个要求有点太高了,随着地区间的交流越来越密切,政策的实施效果难免会有扩散效应,因此,这个假设在考虑到空间相关性时被打破了,当不同空间单元之间存在相关性即存在空间溢出效应时,SUTVA不再成立(Kolak&Anselin,2019)。并且事实上,SUTVA在大多数情况下可能都不成立,而现有的DID类实证文章很少会考虑到这一点,并且Ferman(2020)指出忽略空间相关性将导致标准误被低估,从而夸大系数的显著性。于是空间双重差分SDID应运而生!
主要代码包括:
Demo Zero Vectors in TW Decom 1.m 双重差分空间计量模型中空间权重矩阵拆分中W T,NT*D N和W NT,T*D N元素全部为零的演示代码
Demo DID Dummy Varibles GEN 2.m SDID模型中事件虚拟变量、时期虚拟变量及模型估计时虚拟变量的随机生成演示代码
DID Dummy Varibles GEN 3.m SDID模型估计中DID项的自动生成代码
Individual DID Dummy Varibles GEN 4.m SDID模型局部地区效应分解中DID r项和DID Nonr的分解和自动生成代码
Spatial Panel Data Pooling 5.m SDID模型中被解释变量、解释变量的堆积处理代码
TW Generating 6.m 基于不同初始空间权重矩阵的内生时空权重矩阵生成代码
TY Matrix Generating_7m 与内生时空权重矩阵结构类似的研究对象矩阵生成代码
TW Selection 8.m 最优的内生时空权重矩阵遴选程序代码NLSDIDAll Mo