這個(gè)研究有意思。

本研究依托《中國老年人健康長壽影響因素調(diào)查（CLHLS）》數(shù)據(jù)以及中國環(huán)保部公布的API數(shù)據(jù)，構(gòu)建了2000至2012/14年的省級面板數(shù)據(jù)。將2008年北京奧運(yùn)會的環(huán)境管制政策視為一個(gè)準(zhǔn)自然實(shí)驗(yàn)，本研究采用合成雙重差分（Synthetic Difference-in-Differences，SDID）方法，首次識別了短期暴露于PM10對老年癡呆癥患病率的因果效應(yīng)。

研究結(jié)果發(fā)現(xiàn)，每立方米年度PM10濃度降低1微克，老年癡呆癥患病率將降低0.82個(gè)百分點(diǎn)，且這種影響在不同老年群體間存在差異。這些發(fā)現(xiàn)為將改善空氣質(zhì)量作為延緩老年癡呆癥發(fā)病的有效公共衛(wèi)生政策提供了證據(jù)支持，并指出這可能是政府減輕公共衛(wèi)生負(fù)擔(dān)的一個(gè)潛在工具。研究還表明，隨著近年來中國空氣質(zhì)量的改善，老年癡呆癥患病率有望顯著下降，進(jìn)而帶來潛在的經(jīng)濟(jì)收益：從全球范圍看，潛在的經(jīng)濟(jì)效益可能從2.1億美元到281億美元不等（參考：審稿人: 你確定你文章將為社會帶來萬億級的收益? 若不發(fā)表會遭受上萬億的損失?）。

關(guān)于合成雙重差分法，參看1.前沿, 合成雙重差分法SDID方法介紹和示例, 附code和數(shù)據(jù)！2.合成雙重差分法DID的視頻和Slides

關(guān)于空氣污染，參考1.TOP刊上過去10年“空氣污染”的文章分析, 中國已然成為第一大研究國度，2.空氣污染的100000個(gè)后果之航班延誤, 工具變量, 各種穩(wěn)健性檢驗(yàn)！3.前沿實(shí)證設(shè)計(jì)之空氣污染與失眠和看電影, 一口氣咕咚兩篇就已消化殆盡！4.1980-2022全國各地級市逆溫?cái)?shù)據(jù)公布! 空氣污染的絕佳工具變量！5.又是用逆溫作為空氣污染的IV的JDE文章, 研究對中國人口遷徙的影響！6.最新: 運(yùn)用機(jī)器學(xué)習(xí)和合成控制法研究武漢封城對空氣污染和健康的影響! 7.為啥北方孩子普遍更胖? 空氣污染惹的禍還是背的鍋？8.《中國經(jīng)濟(jì)問題》主編JDE文章: 空氣污染和制造業(yè)企業(yè)生產(chǎn)率

研究發(fā)現(xiàn)的回歸結(jié)果如下：

簡要介紹一下：

目前，關(guān)于空氣污染與老年癡呆之間是否存在因果聯(lián)系的研究尚不充分，這引發(fā)了兩個(gè)核心問題：首先，空氣污染是否真的是誘發(fā)老年癡呆的因素之一？其次，采取空氣污染控制措施是否能夠有效地延緩老年癡呆的發(fā)展進(jìn)程？

為了深入挖掘問題的答案，本研究將目光投向了2008年北京奧運(yùn)會期間實(shí)施的嚴(yán)格空氣污染控制措施。這一措施可謂人類歷史上為改善短期空氣質(zhì)量而進(jìn)行的規(guī)模最大的努力之一。自2007年底起，中國政府為了確保奧運(yùn)會期間北京的空氣質(zhì)量，采取了全方位的嚴(yán)格空氣質(zhì)量保障措施。這些措施的力度之大，以及對老年癡呆發(fā)病率的外生性影響，使其成為了一種完美的準(zhǔn)自然實(shí)驗(yàn)。這一背景為本研究提供了絕佳的機(jī)遇，用以解決空氣污染的內(nèi)生性問題。通過評估2008年北京奧運(yùn)會期間實(shí)施的治理措施對空氣污染的影響，能夠獲得關(guān)于空氣污染對老年癡呆發(fā)病率影響的準(zhǔn)實(shí)驗(yàn)性估計(jì)。

為了準(zhǔn)確評估2008年北京奧運(yùn)會期間所采取的治理措施對北京地區(qū)空氣污染和老年癡呆發(fā)病率的因果影響，本研究需要構(gòu)建一個(gè)可靠的反事實(shí)分析框架。這一分析旨在探究在缺少這些治理措施的情境下，北京的空氣污染和老年癡呆發(fā)病率可能呈現(xiàn)的發(fā)展趨勢。為此，本研究采納了Arkhangelsky等（2021）提出的合成雙重差分法（SDID），通過將北京的數(shù)據(jù)與未受治理措施影響的對照省份構(gòu)建的合成反事實(shí)進(jìn)行對比分析。合成雙重差分法（SDID）與本研究的目標(biāo)完美契合。合成雙重差分（SDID）方法與本文的研究目標(biāo)高度吻合。這種方法允許納入單位固定效應(yīng)，以捕捉北京與對照組在結(jié)果變量水平上的重要系統(tǒng)性差異。此外，這種方法還提升了那些與北京及奧運(yùn)會前狀況相似的未受管制省份在對照組中的重要性，以及與處理期相仿的奧運(yùn)會前期階段的重要性，為研究提供了一個(gè)強(qiáng)有力的分析工具。

在本研究中，重點(diǎn)分析了兩組關(guān)鍵的數(shù)據(jù)集。第一組數(shù)據(jù)來自中國環(huán)境保護(hù)部，涵蓋了2000年至2012年間的每日空氣污染指數(shù)（API）以及主要污染物的記錄。由于官方API數(shù)據(jù)未包含細(xì)顆粒物（PM2.5）的信息，并且在超過90%的時(shí)間內(nèi)，主要污染物為直徑10微米以下的顆粒物（PM10），因此本研究選擇PM10作為衡量空氣污染水平的指標(biāo)。第二組數(shù)據(jù)則來自中國健康長壽調(diào)查（CLHLS），這是目前全球最大的百歲老人數(shù)據(jù)庫，它不僅包含了百歲老人的數(shù)據(jù)，還涵蓋了90歲以上、80歲以上以及65至79歲人群的對比數(shù)據(jù)。在CLHLS中，老年癡呆癥的診斷是基于簡易精神狀態(tài)檢查（MMSE）的評分來確定的。

本研究的主要發(fā)現(xiàn)概括如下：首先，2008年北京奧運(yùn)會期間實(shí)施的治理措施顯著提升了北京的空氣質(zhì)量。基準(zhǔn)回歸分析顯示，這些措施使北京的PM10濃度平均下降了約26微克/立方米，這一結(jié)果與He等研究者在2016年的研究結(jié)果相吻合。更進(jìn)一步的分析還揭示，這些治理措施顯著降低了北京地區(qū)老年癡呆癥的發(fā)病率，降幅達(dá)到了21.7個(gè)百分點(diǎn)。綜合這些發(fā)現(xiàn)，可以得出結(jié)論：北京地區(qū)年均PM10濃度每減少1微克/立方米，老年癡呆癥的發(fā)病率就會降低0.82個(gè)百分點(diǎn)，這一降低幅度占到了平均發(fā)病率的2.39%。

本文深入探討了空氣質(zhì)量改善對不同人群老年癡呆癥發(fā)病率影響的差異性，并揭示了性別、年齡和教育水平在這一過程中的重要作用。具體地，當(dāng)空氣中PM10的年均濃度每降低1微克/立方米時(shí)，女性老年癡呆癥的發(fā)病率下降了0.80個(gè)百分點(diǎn)，而男性的變化在統(tǒng)計(jì)上并不顯著。在不同年齡段中，高齡老年人群的老年癡呆癥發(fā)病率下降更為顯著：85至94歲的人群下降了0.72個(gè)百分點(diǎn)，95歲以上的人群更是下降了1.71個(gè)百分點(diǎn)。在教育水平方面，教育程度較低的老年人從空氣質(zhì)量改善中獲益更多，其中小學(xué)和中學(xué)教育程度的人群老年癡呆癥發(fā)病率分別下降了0.79和0.32個(gè)百分點(diǎn)，而高中及以上教育程度的人群變化不顯著。婚姻狀況和兒童時(shí)期的醫(yī)療條件同樣對改善效果有所影響：離異或喪偶的人群老年癡呆癥發(fā)病率下降了1.47個(gè)百分點(diǎn)，兒童時(shí)期缺乏醫(yī)療條件的人群下降了1.08個(gè)百分點(diǎn)，而已婚人群和有兒童時(shí)期醫(yī)療條件的人群分別只下降了0.22和0.58個(gè)百分點(diǎn)。這些分組分析顯示，包括女性、高齡老年人、低教育水平人群、離異或喪偶老年人以及兒童時(shí)期缺乏醫(yī)療條件的人群在內(nèi)的特定弱勢群體，從空氣質(zhì)量改善中獲益更多。

在本項(xiàng)研究中，采用了合成雙重差分（SDID）方法來預(yù)測，如果未曾實(shí)施BOG08治理措施，北京及其對照省份可能會展現(xiàn)出怎樣的趨勢。為了確保研究結(jié)果的精確性，依照Clarke等（2023年）的研究方法，對比分析了BOG08政策實(shí)施前后北京與合成對照組之間的差異。事件研究的結(jié)果顯示，沒有明顯證據(jù)表明存在這種差異。

人們可能會懷疑，除了空氣質(zhì)量的改善之外，是否還有其他因素在空氣污染治理期間對老年癡呆發(fā)病率的降低有所貢獻(xiàn)。為了全面解答這一疑問，本研究從多個(gè)維度進(jìn)行了深入的分析：

首先，考慮到家庭收入和股市表現(xiàn)可能間接影響健康狀況，本研究分析了2008年北京奧運(yùn)會（以下簡稱BOG08）期間旅游業(yè)的增長是否顯著提高了家庭收入，并評估了股市波動對健康可能產(chǎn)生的影響。其次，本研究調(diào)查了醫(yī)療基礎(chǔ)設(shè)施和資源是否有所增強(qiáng)，包括醫(yī)療支出、醫(yī)院數(shù)量、病床數(shù)量以及醫(yī)生和護(hù)士的配備情況。第三，本研究探討了吸煙、飲酒、運(yùn)動、高血壓和糖尿病等可調(diào)整的老年癡呆風(fēng)險(xiǎn)因素是否出現(xiàn)了顯著變化。最后，為了進(jìn)行對照分析，本研究還進(jìn)行了額外的安慰劑檢驗(yàn)，評估BOG08對非空氣污染相關(guān)健康問題（如白內(nèi)障、前列腺腫瘤、褥瘡和關(guān)節(jié)炎）以及與空氣污染相關(guān)健康問題（例如哮喘）的影響。這些測試有助于排除其他健康改善因素的干擾，確保研究結(jié)果的準(zhǔn)確性。

研究結(jié)果顯示，在BOG08期間，家庭收入、醫(yī)療基礎(chǔ)設(shè)施和資源、常見的老年癡呆可調(diào)整風(fēng)險(xiǎn)因素以及非空氣污染相關(guān)健康問題均未出現(xiàn)顯著變化。這些發(fā)現(xiàn)進(jìn)一步增強(qiáng)了本研究的觀點(diǎn)，即老年癡呆發(fā)病率的降低更有可能是由于BOG08期間實(shí)施的空氣污染治理措施所致，而非其他因素所引起。

此外，在2008年北京奧運(yùn)會（BOG08）期間，除了PM10之外，臭氧（O3）、二氧化硫（SO2）和二氧化氮（NO2）等其他污染物的濃度也可能有所下降。本研究借鑒了Deryugina等學(xué)者在2019年的研究方法，專門分析了PM10在降低老年癡呆癥發(fā)病率中的獨(dú)特影響。研究結(jié)果表明，即使考慮了其他污染物的影響，PM10的減少對健康改善的貢獻(xiàn)依然顯著且穩(wěn)定，這表明觀察到的老年癡呆健康益處主要?dú)w功于PM10濃度的降低。

為確保研究結(jié)果的穩(wěn)健性，本文進(jìn)行了一系列的穩(wěn)健性檢驗(yàn)。檢驗(yàn)結(jié)果顯示，無論是基準(zhǔn)結(jié)果還是異質(zhì)性效應(yīng)，對于控制變量的調(diào)整、對照組的選擇、時(shí)間段的劃分或是老年癡呆癥發(fā)病率的測量方法的變化，研究結(jié)果都表現(xiàn)出了很高的穩(wěn)健性。此外，采用標(biāo)準(zhǔn)的雙重差分（DID）方法和固定效應(yīng)工具變量估計(jì)法得到的結(jié)果也支持了本研究的結(jié)論。這些綜合檢驗(yàn)進(jìn)一步證實(shí)了PM10濃度與老年癡呆癥發(fā)病率之間的關(guān)系是穩(wěn)健且顯著的，并非由方法學(xué)偏差或偶然因素所導(dǎo)致。

最終，本文采用簡易的估算方法，量化了通過提升空氣質(zhì)量減少老年癡呆癥病例所能帶來的成本節(jié)省。依據(jù)2010年《全球阿爾茨海默報(bào)告》中對每位老年癡呆癥患者的成本估算，本文計(jì)算了減少老年癡呆癥病例的經(jīng)濟(jì)效益。分析結(jié)果顯示，在東亞地區(qū)，考慮到區(qū)域特定的老年癡呆癥成本，改善空氣質(zhì)量可能帶來的經(jīng)濟(jì)效益估計(jì)介于9.7億至23.6億美元之間。而在全球范圍內(nèi)進(jìn)行成本估算時(shí)，潛在的經(jīng)濟(jì)效益可能從2.1億美元到281億美元不等。這些數(shù)字不僅突顯了改善空氣質(zhì)量對健康的益處，也顯示了其巨大的經(jīng)濟(jì)價(jià)值。

下面是空氣污染老年癡呆癥影響機(jī)制：

實(shí)證策略

在本節(jié)中，將詳細(xì)說明本研究采用的實(shí)證策略，該策略旨在揭示空氣污染（以PM10為衡量標(biāo)準(zhǔn)）與老年癡呆癥發(fā)病率之間的因果聯(lián)系。在確定因果效應(yīng)的過程中，一個(gè)主要挑戰(zhàn)是個(gè)體的空氣污染暴露受到多種因素的影響，這使得空氣污染成為一個(gè)內(nèi)生變量。為了探索空氣污染的外生變化，本研究將2008年北京奧運(yùn)會（BOG08）期間實(shí)施的政策作為一個(gè)準(zhǔn)自然實(shí)驗(yàn)。采用了Arkhangelsky等（2021年）提出的合成雙重差分（Synthetic Difference-in-Differences, SDID）方法，用以評估BOG08政策對PM10濃度和老年癡呆癥發(fā)病率的影響。通過這兩個(gè)估計(jì)值，可以計(jì)算出空氣污染對老年癡呆癥發(fā)病率的具體影響。

識別挑戰(zhàn)

本研究的策略在于利用北京在2008年執(zhí)行的短期空氣污染監(jiān)管政策，并結(jié)合政策實(shí)施前后的面板數(shù)據(jù)，來識別BOG08政策對研究結(jié)果的因果效應(yīng)。具體方法是比較實(shí)施政策的北京與其他未實(shí)施類似政策的省份在PM10濃度和老年癡呆癥發(fā)病率方面的時(shí)間序列變化。核心任務(wù)是估計(jì)如果北京在2008年沒有實(shí)施全面的空氣質(zhì)量保障措施，其PM10濃度和老年癡呆癥發(fā)病率將如何變化。為此，本研究需要利用對照組中未受管制省份的信息，構(gòu)建北京PM10濃度和老年癡呆癥發(fā)病率的可靠反事實(shí)模型。

在本研究的分析框架中，主要采用了Abadie等（2003年、2010年、2015年）提出的合成控制法（Synthetic Control, SC）和Roth等（2023年）總結(jié)的雙重差分法（Difference-in-Differences, DID）作為兩種核心的估計(jì)手段。然而，這兩種方法都不能完全消除關(guān)于如何準(zhǔn)確識別2008年北京奧運(yùn)會（BOG08）政策對PM10和老年癡呆癥發(fā)病率因果效應(yīng)的核心假設(shè)的疑慮。具體指的是，在控制了一系列變量后，北京與對照組省份的結(jié)果在沒有空氣污染管制的情況下不應(yīng)存在系統(tǒng)性差異。

盡管單一處理單位和政策介入的時(shí)間點(diǎn)與合成控制（SC）方法的常規(guī)應(yīng)用場景相吻合，但在為北京構(gòu)建一個(gè)可靠的對照組時(shí)，仍面臨挑戰(zhàn)。SC方法未能充分考慮單位固定效應(yīng)，而單位固定效應(yīng)能夠捕捉北京與對照組省份在結(jié)果水平上的重要系統(tǒng)性差異，這對于本研究來說至關(guān)重要。如圖2的Panel（a）所示，北京的PM10平均濃度高于其他省份。此外，不同省份可能在其他影響結(jié)果的特征上存在差異，例如區(qū)域政策和居民生活方式等，而這些特征并不總是能夠被完全觀察到或量化。

為了更有效地應(yīng)對這些挑戰(zhàn)，本文采用了Arkhangelsky等在2021年提出的合成雙重差分（SDID）估計(jì)量，這種方法結(jié)合了合成控制（SC）和DID方法的優(yōu)勢。

合成雙重差分（SDID）方法

在這個(gè)方程中，Treatjt是一個(gè)指示變量，對于北京而言，2008年及以后年份其值為1，之前年份其值為0。省份固定效應(yīng)用于控制各省份不隨時(shí)間變化的特征（包括可觀測和不可觀測的特征），而年份固定效應(yīng)用于控制所有省份共同面臨的年度特定影響。向量Xjt包含了一組控制變量。在評估PM10的影響時(shí)，本研究控制了濕度和溫度，因?yàn)檠芯匡@示這些因素會影響空氣質(zhì)量。在分析老年癡呆癥患病率時(shí)，本研究進(jìn)一步加入了性別、年齡和教育作為控制變量，因?yàn)檫@些因素被認(rèn)為是老年癡呆癥最重要的風(fēng)險(xiǎn)因素。本文關(guān)注的核心系數(shù)是β，它衡量了2008年北京奧運(yùn)會治理政策（BOG08）對北京空氣污染或老年癡呆癥患病率的因果效應(yīng)。

合成差分法（SDID）的估計(jì)基于方程（1），并引入了兩組權(quán)重：省份權(quán)重和時(shí)間權(quán)重，以求解以下優(yōu)化問題：

在這個(gè)過程中，省份權(quán)重的確定旨在使北京在2008年之前的PM10和老年癡呆癥發(fā)病率與控制組中未受規(guī)制省份的加權(quán)平均結(jié)果大致平行，這與合成控制法（SC）中使用的權(quán)重有相似之處。時(shí)間權(quán)重 的設(shè)置則是為了確保控制組未受規(guī)制省份的加權(quán)平均結(jié)果在BOG08政策實(shí)施前后的一致性：如果某個(gè)特定的BOG08前時(shí)期更能預(yù)測BOG08后的結(jié)果，那么該時(shí)期會被賦予更高的權(quán)重。

合成雙重差分（SDID）估計(jì)量融合了合成控制（SC）和雙重差分（DID）方法的優(yōu)勢，并能有效應(yīng)對前述的識別難題。首先，與SC方法相似，SDID強(qiáng)調(diào)未受規(guī)制省份的歷史表現(xiàn)與北京的相似性，并匹配它們的處理前趨勢，從而放寬了對原始數(shù)據(jù)“平行趨勢假設(shè)”的嚴(yán)格要求。其次，與DID方法一樣，SDID包含了省份固定效應(yīng)和年份固定效應(yīng)，這使得即便北京與未受規(guī)制省份在結(jié)果變量的水平上存在顯著差異，也能構(gòu)建出可靠的反事實(shí)。第三，SDID中加入的時(shí)間權(quán)重是SC和DID方法中所沒有的，它通過降低與處理后時(shí)期差異顯著的時(shí)間段的影響，提高了估計(jì)的精確度。最后，SDID方法能夠?yàn)樾?yīng)的點(diǎn)估計(jì)構(gòu)造標(biāo)準(zhǔn)誤差，即便在處理前時(shí)期較短的情況下也能進(jìn)行系統(tǒng)性的推斷。因此，本文將SDID方法作為主要的實(shí)證策略，并用以解釋本研究的結(jié)果。

為了利用合成雙重差分（SDID）方法為北京構(gòu)建一個(gè)更為精確的合成對照組，本研究在基準(zhǔn)估計(jì)階段精心挑選了東部地區(qū)的5個(gè)未受規(guī)制省份作為對照組。根據(jù)中國國家統(tǒng)計(jì)局的區(qū)域劃分，中國被劃分為東部、西部、中部和東北四大區(qū)域。東部地區(qū)，包括北京在內(nèi)，在經(jīng)濟(jì)、社會、環(huán)境、教育和健康等多個(gè)方面一直遙遙領(lǐng)先于其他地區(qū)。因此，在對照組的選擇上，本研究更傾向于那些與北京特征更為接近的省份。然而，SDID方法中的額外懲罰項(xiàng)可能導(dǎo)致控制組中省份的權(quán)重分配較為分散，與合成控制（SC）方法相比，這可能會使得一些與北京差異較大的省份獲得一定的權(quán)重，從而影響反事實(shí)對照組的精確度。在基準(zhǔn)分析中，本研究特意排除了天津（東部）、河北（東部）、山西（中部）、遼寧（東北）和山東（東部）這些與北京地理位置接近或?qū)嵤┝搜a(bǔ)充措施的省份，以避免它們對估計(jì)結(jié)果造成干擾。在第7.2節(jié)中，本研究利用所有可用省份數(shù)據(jù)進(jìn)行了穩(wěn)健性檢驗(yàn)，結(jié)果表明結(jié)論一致且具有統(tǒng)計(jì)學(xué)上的顯著性。

在趨勢識別方面，基于方程（2）的SDID估計(jì)量假設(shè)北京與通過省份權(quán)重和時(shí)間權(quán)重 構(gòu)建的合成對照組在2008年之前具有相似的趨勢。本研究對這一共同趨勢的假設(shè)進(jìn)行了驗(yàn)證。在計(jì)算標(biāo)準(zhǔn)誤差時(shí)，本研究采用了Arkhangelsky等（2021年）提出的安慰劑方差估計(jì)方法，這種方法適用于單一處理組的情況。此外，本研究還進(jìn)行了安慰劑檢驗(yàn)，模擬了控制組中的某個(gè)未受規(guī)制省份被錯(cuò)誤地標(biāo)識為處理組的情形。通過這些安慰劑檢驗(yàn)計(jì)算得到的SDID估計(jì)量的方差被用作效應(yīng)估計(jì)的安慰劑方差，并據(jù)此構(gòu)建置信區(qū)間。作為穩(wěn)健性檢驗(yàn)的一部分，本研究還運(yùn)用了標(biāo)準(zhǔn)DID方法對方程（1）進(jìn)行了估計(jì)，并采用了He等（2016年）提出的固定效應(yīng)工具變量方法，以評估PM10對老年癡呆癥患病率的影響。本研究的結(jié)果顯示，所有結(jié)果在性質(zhì)上均保持一致。

評估共同趨勢假設(shè)

本節(jié)的核心任務(wù)是驗(yàn)證共同趨勢假設(shè)，這對于確保研究結(jié)果的有效性至關(guān)重要。采用了Clarke等（2023年）在其綜合分析框架中提出的方法，目的是探討在政策實(shí)施前，處理組與合成控制組之間是否存在顯著差異。這一驗(yàn)證步驟非常關(guān)鍵，它確保了兩組在BOG08政策實(shí)施前的趨勢具有可比性，從而為后續(xù)研究結(jié)果的可靠性打下了堅(jiān)實(shí)的基礎(chǔ)。

圖3展示了政策實(shí)施前的趨勢對比分析。圖3的Panel A聚焦于PM10水平，顯示處理組與合成控制組在政策實(shí)施前的趨勢總體上是一致的，但在2001年出現(xiàn)了明顯的偏差。這一特定的偏差已在穩(wěn)健性檢驗(yàn)部分得到了處理，以確保它不會對整體估計(jì)結(jié)果產(chǎn)生過大的影響。

*建議閱讀全文內(nèi)容。

*群友可直接在社群下載全文PDF和附錄。

關(guān)于多期DID或交疊DID: 1.DID相關(guān)前沿問題“政策交錯(cuò)執(zhí)行+堆疊DID+事件研究”, 附完整slides，2.交錯(cuò)(漸進(jìn))DID中, 用TWFE估計(jì)處理效應(yīng)的問題, 及Bacon分解識別估計(jì)偏誤，3.典范! 這篇AER在一圖表里用了所有DID最新進(jìn)展方法, 審稿人直接服了！4.最新Sun和Abraham(2020)和TWFE估計(jì)多期或交錯(cuò)DID并繪圖展示結(jié)果！詳細(xì)解讀code！5.多期DID或漸進(jìn)DID或交疊DID, 最新Stata執(zhí)行命令整理如下供大家學(xué)習(xí)，6.多期DID前沿方法大討論, e.g., 進(jìn)入-退出型DID, 異質(zhì)性和動態(tài)性處理效應(yīng)DID, 基期選擇問題等，7.交疊DID中平行趨勢檢驗(yàn), 事件研究圖繪制, 安慰劑檢驗(yàn)的保姆級程序指南！8.欣慰! 營養(yǎng)午餐計(jì)劃終于登上TOP5! 交疊DID+異質(zhì)性穩(wěn)健DID！9.用事件研究法開展政策評估的過程, 手把手教學(xué)文章！10.從雙重差分法到事件研究法, 雙重差分濫用與需要注意的問題，11.系統(tǒng)梳理DID最新進(jìn)展: 從多期DID的潛在問題到當(dāng)前主流解決方法和代碼! 12.標(biāo)準(zhǔn)DID中的平行趨勢檢驗(yàn),動態(tài)效應(yīng), 安慰劑檢驗(yàn), 預(yù)期效應(yīng)教程，13.DID從經(jīng)典到前沿方法的保姆級教程, 釋放最完整數(shù)據(jù)和代碼！

關(guān)于三重差分DDD估計(jì)，參看1.計(jì)量TOP刊最全三重差分DDD估計(jì)指導(dǎo)，2.TOP5最新文靶向了中國AI公司, 使用三重差分DDD進(jìn)行實(shí)證評估，3.一些使用三重差分DDD的中文文章, 剔除其他干擾因素后獲得政策的凈效應(yīng)！4.三重差分法運(yùn)行和示例, 附上運(yùn)行代碼和結(jié)果解析！5.多期雙(三)重差分法的操作指南(經(jīng)典回顧)，6.DID和DDD, 一個(gè)簡明介紹, 雙重和三重差分模型，7.曾國藩QJE: 權(quán)力之網(wǎng), 運(yùn)用DID, DDD, 事件研究方法！8.用9個(gè)示例系統(tǒng)講解DID, DDD模型的用法, 并且都給出了數(shù)據(jù)和代碼供操作！9.繼發(fā)AER之后, 2021年再發(fā)Top5, 這是什么神仙組合? DID, DDD方法在頂刊仍然耐打！10.連續(xù)DID, DDD和比例DID, 不可觀測選擇偏差，11.AER上以DID, DDD為識別策略的勞動和健康經(jīng)濟(jì)學(xué)，12.做了一份Slides, 就Stata17中DID, DDD方法及使用策略, 代碼做了總結(jié)