Did数据模型|DID相关文献和数据|DID有关模型和代码

这门课解决的是什么问题

做实证研究的人迟早会撞上双重差分（DID）。政策一批一批下发，数据一年一年积累，可真正动手时，卡住的地方往往不是方法本身，而是三件事：政策冲击时点怎么定、对照组怎么选、面板数据怎么拼。这门资料把重心放在第三件事上——它给的是一批已经整理好的政策虚拟变量匹配数据，覆盖绿色信贷、低碳城市试点、供应链示范、国家级大数据综合试验区、高铁开通、跨境电子商务综合试验区等场景，时间跨度从两千年到二零二二年不等。换句话说，它帮你省掉的是最耗时的数据清洗和匹配环节，让你能把精力放在模型设定和结果解释上。

适合什么基础，先看哪几块

这份资料不适合零基础入门计量。你至少要知道固定效应和交互项是什么意思，能看懂回归表里的系数和显著性，最好用过 Stata 或 Python 处理过面板数据。如果你连 DID 的基本设定都没接触过，建议先补一段方法课再回来，否则拿到数据也不知道该往哪个方向跑。

建议的阅读顺序是：先看文献部分，把 DID 的识别假设、平行趋势检验、常见误用搞清楚，这部分决定你后面跑出来的结果能不能站住脚；再看模型和代码部分，理解政策虚拟变量是怎么构造的、多期 DID 和交错处理该怎么处理；最后才动数据。数据虽然是最实在的部分，但如果没有前两步打底，很容易变成照着代码跑一遍却说不清为什么这么设。

学完能独立做什么，资料怎么配合练习

把这几块过完，你应该能独立完成一个标准的政策评估流程：确定处理组和控制组、构造政策时点虚拟变量、跑基准回归、做平行趋势和安慰剂检验、写出能自圆其说的结果解读。这不是让你成为计量专家，而是让你在面对一个具体的政策问题时，知道从哪下手、哪些坑要绕开。

练习方式上，建议不要只看不跑。挑其中一两个和你研究方向接近的数据集，比如你做环保或区域经济，就先从绿色信贷或低碳城市试点那份入手，把完整流程走一遍，再换一个场景重做，看看换数据后模型设定需要调整哪里。文献和代码部分适合当工具书，遇到具体问题时回头查，不必一次读完。数据文件本身有年份和口径差异，用之前务必核对变量定义和样本范围，别直接套用。整体来说，这份资料的价值在于把数据准备的门槛降下来，但方法和判断仍然要你自己扛。