第1讲 交叠DID最新应用的系统梳理

• 1.1 交叠DID应用在顶刊的统计分析
• 1.2 中文期刊交叠DID的两种主流趋势
• 1.3 异质性处理效应的TWFE估计偏误的来源
• 1.3.1 禁止性比较组
• 1.3.2 负权重问题
• 1.3.3 协变量问题
• 1.3.4 非平行趋势
• 1.4 交叠DID研究最新进展
• 1.4.1 交叠DID识别
• 1.4.2 交叠DID图示法
• 1.5 交叠DID研究的实用建议
• 1.5.1 如何在多期与处理时间变化时，选择合适的DID估计量？
• 1.5.2 如何处理非平行趋势的情况？
• 1.5.3 交叠DID各种估计方法应用建议
• 1.6 重要文献解读：
• [1] De Chaisemartin C, D'Haultfoeuille X. Two-wayfixed effects and differences-in-differences with heterogeneous treatment effects: A survey[R]. National Bureau of Economic Research, 2022.
• [2] 刘冲,沙学康,张妍.交错双重差分:处理效应异质性与估计方法选择.数量经济技术经济研究, 2023.

第2讲 交叠DID检验

• 2.1 禁止性比较组检验的Bacon分解
• 2.1.1 Bacon分解的图形解析
• 2.1.2 Bacon分解Stata官方命令与社区命令结果比较与解读
• 2.2.3 Bacon分解的中文应用
• 2.2 处理组的负权重检验
• 2.2.1 负权重检验统计量直观解释
• 2.2.2 负权重检验Stata命令实现
• 2.3 非平行趋势检验
• 2.3.1 事件研究法平行趋势检验效力
• 2.3.2 如何正确理解新事件研究法的平行趋势检验图
• 2.3.3 Pre-trends检验
• 2.4 重要文献解读：
• [1] Goodman-Bacon, Andrew, Difference-in-differences with variation in treatment timing, Journal of Econometrics, 2021.
• [2] Roth J, Sant’Anna P H C, Bilinski A, et al.What’s trending in difference-in-differences? A synthesis of the recent econometrics literature, Journal of Econometrics, 2023.

第3讲 组别-时期平均处理效应估计量

• 3.1 dcdH估计量
• 3.1.1 DeChaisemartin和 d'Haultfœuille(2020) 估计量的理论简析
• 3.1.2 dcdH估计量扩展到多个处理事件和多期
• 3.1.3 dcdH估计量的Stata实现
• 3.1.4 dcdH估计量的应用
• 3.2 SA估计量
• 3.2.1 Sun和 Abraham(2021) 估计量的理论简析
• 3.2.2 SA估计量的Stata实现
• 3.2.3 SA估计量的应用
• 3.3 CS估计量
• 3.3.1 Callaway和 Sant’Anna(2021) 估计量的理论简析
• 3.3.2 CS估计量的Stata官方命令与社区命令实现
• 3.3.3 CS估计量的应用
• 3.4 Plug-in估计量
• 3.4.1 Roth和Sant’Anna(2023) 估计量的理论简析
• 3.4.2 staggered社区命令实现
• 3.4.3 Plug-in估计量的应用
• 3.5 重要文献解读：
• [1] De Chaisemartin C, d'Haultfoeuille X. Two-way fixed effects estimators with heterogeneous treatment effects[J]. American Economic Review, 2020.
• [2] Sun L, Abraham S. Estimating dynamic treatment effects in event studies with heterogeneous treatment effects[J]. Journal of Econometrics, 2021.
• [3] Callaway B, Sant’Anna P H C. Difference-in-differences with multiple time periods[J]. Journal of Econometrics, 2021.

第4讲 基于TWFE改进的新估计量

• 4.1 异质性稳健TWFE的交叠DID新命令
• 4.2 重要文献解读：
• [1] Wooldridge J M. Two-way fixed effects, the two-way Mundlak regression, and difference-in-differences estimators[J].Available at SSRN 3906345, 2021.

第5讲 基于插补方法的估计量

• 5.1 Imputation估计量
• 5.2 两阶段DID估计量
• 5.3 重要文献解读：
• [1] Borusyak K, Jaravel X, Spiess J. Revisiting event study designs: Robust and efficient estimation[J]. Review of Economic Studies, 2024, Forthcoming.
• [2] Braghieri L, Levy R, Makarin A. Social media and mental health[J]. American Economic Review, 2022.

第6讲 堆叠与局部投影估计量

• 6.1 堆叠估计量
• 6.2 局部投影估计量
• 6.3 重要文献解读：
• [1] Cengiz D, Dube A, Lindner A, et al. The effect of minimum wages on low-wage jobs. The Quarterly Journal of Economics, 2019.
• [2] Dube, A., D. Girardi, Ò. Jordà and A. M.Taylor. A Local Projections Approach to Difference-in-Differences Event Studies. NBER Working Paper 31184, 2023.

第7讲 DID与合成控制的结合：合成DID

• 7.1 合成DID的原理与应用领域
• 7.2 合成DID的命令实现
• 7.3 重要文献解读：
• [1] Arkhangelsky D, Athey S, Hirshberg D A, et al.Synthetic difference-in-differences[J]. American Economic Review, 2021.