双重差分(Differences-in-Differences,DID)，其常用于政策评估效应研究，比如研究‘鼓励上市政策’，‘开通沪港通’，‘开通高铁’，‘引入新教育模式’等效应时，分析效应带来的影响情况。

比如：两类地区A和B，在2020年A类地区没有开通高铁，B类地区开通高铁。那么开通高铁对于GDP的影响情况如何呢？涉及两个关键数据，分别是Treated和Time，此处Treated为地区（A和B两个地区），以及时间项Time(高铁开通前和开通后)。同时研究‘开通高铁’参于gdp的影响，那么被解释变量Y即为gdp，与此同时还涉及可选的控制变量（控制变量为可选项，多数情况下并不需要），比如教育投入，人口或对外投资情况等，如下表说明。

Treated只能为数字0或1，且一定包括此2个数字。其用于标识研究‘效应’对应的组别，数字0标识‘控制组’，数字1标识‘实验组’，一定需要这样处理。

Time只能为数字0或1，且一定包括此2个数字。其用于标识研究‘时间’对应的组别，数字0标识‘before’（实验前），数字1标识‘after(实验后)，一定需要这样处理。

理论上，双重差分研究可在很大程度上避免数据内生性问题。‘政策效应’通常为外生项，因而不存在双向因果关系，比如开通高铁影响gdp，gdp同时影响开通开通。与此同时，双重差分也有着一定的前提性要求，通常其希望满足‘平行趋势假设’（Parallel Trend Assumption），即time项为0时，即比如开通高铁前，A类和B类两类地区的gdp数据需要无明显的差异性。

至于‘平行趋势假设’（共同趋势）的检验，其有多种检验方式。包括t 检验法，‘交叉项’显著性检验法，F 统计量检验法，图示法。具体说明如下：

针对‘交互项显著性检验法’或‘F 统计量检验法’，时间项可能仅为2期（实验前和实验后），也可能为多期m期（m>2），那么哑变量设置后，放入分析的交互项为‘实验前时的交互项’，如下表说明：

关于哑变量说明点击查看 https://www.spssau.com/helps/otherdocuments/dummy.html

如果是使用t 检验法，SPSSAU在进行DID分析时默认有提供，如果是使用‘交互项显著性检验法’或者‘F 统计量检验法’，可先将时间项作哑变量处理后，与treated项作交互项，然后进行线性回归（SPSSAU通用方法里面的线性回归或计量研究里面的OLS回归均可）。如果是使用‘图示法’，则使用SPSSAU可视化->簇状图完成。

关于使用SPSSAU簇状图查看平行趋势，其适用于多期数据（即有多年的数据），类似操作如下图所示：

簇状图结果如下图：比如2016年是政策点，2016年以前实验组和控制组的“数据走势情况”大体一致则说明满足平行性趋势，图示法比较直观但有一定主观性，通常情况下只要政策点之前的数据走势大致一致即可。