活动
[CSSL@CUHK Webinar] 因子双重差分法
2025年12月11日
9:30 am to 11:00 am (UTC+8,HKT)
网路研讨会
徐轶青教授
徐轶青博士为现任斯坦福大学政治学系助理教授，同时担任斯坦福大学因果科学中心与中国经济与制度研究中心研究员。徐老师先后毕业于复旦大学经济系（本科）、北京大学中国经济研究中心（硕士）及麻省理工学院政治学系（博士）。
他的主要研究领域为因果推断与比较政治学，近年来的研究重点是利用面板数据进行因果推断方法的开发与应用。徐教授多次获得政治学方法论学会的荣誉，包括最佳博士论文奖、《Political Analysis》年度最佳论文奖（两次）、编辑推荐论文（两次）以及最佳统计软件奖（两次）。2024年，他获评该学会年度新兴学者奖，该奖每年表彰一位博士毕业十年内在方法论研究方面做出杰出贡献的青年学者。
本文提出一种新的研究设计——因子双重差分（FDID），用于将经典的双重差分（DID）方法推广到缺乏明确对照组的情境中。在许多研究中，研究者将DID估计量应于以下使用面板数据的场景：有一个基准特征G是在横截面上的差异，有一个事件影响所有个体。在此类研究中，目标估计量往往没有被清晰界定，使用DID估计的合理性也较为模糊。本文通过形式化地刻画FDID的数据结构、目标参数和识别假设，对这一设计加以系统阐述。我们将FDID视为一个包含两个因素——基准因素G与事件暴露水平Z——的因子设计，并将“效应修饰”与“因果调节”分别定义为G对Z效应的关联性影响与因果性影响。在标准的DID假设下（包括无预期效应和平行趋势假设），传统的DID估计量可以识别效应修饰，但无法识别因果调节。为了识别后者，我们提出了一个额外的“因子化平行趋势”假设。我们将此方法应用于一个关于社会资本在中国饥荒救援中作用的实证案例，以展示其实际应用价值。
