培训
2026 年秋季 DID 阅读小组
关于双重差分、平行趋势、推断、软件和教育应用最新发展的计划阅读小组。
LCDS 实验室计划在 2026 年秋季组织一个关于双重差分（DID）最新发展的阅读小组。该小组将现代 DID 方法与实验室 NSF CAREER 纵向设计议程、正在进行的平行趋势 DID 模拟研究，以及使用纵向行政、学校、学区和平台数据的应用教育研究连接起来。
以下安排为内容计划草案。具体日期、会议时间、主持人和最终阅读材料将在临近开始时确认。
目标
- 建立对现代 DID 估计量、假设、估计方法和推断的共同理解。
- 将最新 DID 方法发展与纵向教育研究和政策评估连接起来。
- 将阅读转化为关于设计、软件实现、模拟和报告的实际决策。
- 支持未来工作坊、教程论文和使用错位实施、事件研究和条件平行趋势设计的应用项目。
每周共同问题
每周讨论将围绕以下问题展开：
- 因果 estimand 是什么？
- 哪个比较组识别该 estimand？
- 需要哪些平行趋势或条件平行趋势假设？
- 方法如何处理错位实施、动态效应、协变量、异质性或推断？
- 哪些软件实现了该方法？
- 对教育研究和实验室 DID 模拟工作有什么启示？
计划周主题
| 周次 | 主题 | 阅读 |
|---|
| Week 1 | DID 基础、estimands、TWFE 和事件研究动机 | Roth et al. (2023); Goodman-Bacon (2021); Baker, Larcker, and Wang (2022) |
| Week 2 | Group-time ATT、csdid 与 doubly robust DID | Callaway and Sant’Anna (2021); Sant’Anna and Zhao (2020); Chen, Sant’Anna, and Xie (2025) |
| Week 3 | 实作：TWFE、事件研究与 did / csdid 输出 | Weeks 1-2 阅读材料 |
| Week 4 | 现代事件研究估计量：interaction-weighted 与 imputation 方法 | Sun and Abraham (2021); Borusyak, Jaravel, and Spiess (2024) |
| Week 5 | 回归友好的现代 DID：two-stage DID、ETWFE 与 Mundlak 框架 | Gardner (2022); Butts and Gardner (2022); Wooldridge (2023); Wooldridge (2025) |
| Week 6 | 异质性效应、de Chaisemartin-D’Haultfoeuille 与 stacked DID | de Chaisemartin and D’Haultfoeuille (2020); de Chaisemartin and D’Haultfoeuille (2022); Wing, Freedman, and Hollingsworth (2024) |
| Week 7 | 平行趋势诊断、预检验和敏感性分析 | Roth (2022); Rambachan and Roth (2023); de Chaisemartin and D’Haultfoeuille (2020); de Chaisemartin and D’Haultfoeuille (2022) |
| Week 8 | 等效性、非劣效性和平行趋势评估中的功效 | Bilinski and Hatfield (2018); Shen (2026); Schochet (2022) |
| Week 9 | 协变量、条件平行趋势和时间变化协变量 | Caetano and Callaway (2024); Caetano et al. (2022); Knaus and Pfleiderer (2026) |
| Week 10 | 推断、序列相关、少量集群和少量处理组 | Bertrand, Duflo, and Mullainathan (2004); Conley and Taber (2011); Ferman and Pinto (2019); Gerber (2026) |
| Week 11 | 重复横截面、构成变化和总体目标 | Sant’Anna and Xu (2023); Deb et al. (2024) |
| Week 12 | 教育应用、软件审查与综合 | 实验室项目材料；软件文档；应用教育研究案例 |
软件与实验室示例
实践示例可能使用 R 和 Stata 实现，如 did、DRDID、csdid、did2s、事件研究工具、DIDmultiplegtDYN 和 stacked-DID 工作流。目标不仅是运行命令，也要理解默认 estimands、比较组、聚合选择、置信区间和软件包特定的推断行为。
与实验室项目的联系
该阅读小组支持以下实验室工作：
- NSF CAREER 纵向研究设计、功效和最优样本量规划项目。
- 实验室关于平行趋势假设下 DID 估计量选择、推断、软件实现和功效分析的模拟工作。
- 未来关于条件平行趋势、协变量、预后得分预处理和因果机器学习扩展的工作。
- 涉及学校、学区、教师专业学习、数字学习平台或政策采用数据的应用教育评估。
说明
- 2026 年秋季 DID 小组聚焦 DID 和平行趋势方法。
- 因果机器学习阅读小组计划于 2027 年春季单独组织。
- 阅读材料和每周主题可能会根据新论文、软件工具和项目需要调整。