双重差分法（Difference-in-Differences，简称DID）是一种在社会科学研究中广受欢迎的因果推断设计。其基本原理是识别某个特定事件（即处理）对部分主体（处理组）产生影响，而对另一些主体（对照组）不产生影响，并比较处理前后处理组与对照组在感兴趣结果上的差异。这种设计构成了一种准实验，有助于排除混杂效应。因此，当与面板数据（或时间序列横截面数据）结合使用时，DID设计能够在处理与结果的时间序列之间提供稳健的因果推断，符合格兰杰因果关系的要求。

港中大（深圳）经管学院姜翰教授的合作研究Using the difference-in-differences design with panel data in international business research: progress, potential issues, and practical suggestions回顾了基于面板数据的DID方法在国际商务研究中的应用进展，该研究总结指出，差分法（DID）设计在国际商务研究中越来越受欢迎，但其应用中存在的假设违背问题可能导致严重的估计偏差。通过更加严谨的研究设计、平行趋势检验、控制固定效应、使用匹配样本和替代估计方法，研究者可以有效提高DID模型的稳健性，从而为复杂的国际商务情境中的因果推断提供更准确的分析框架。这些改进措施将有助于更深入地理解全球事件对企业战略和财务绩效的长期影响。

近期，该研究被国际顶刊Journal of International Business Studies接收并发表。

作者简介

姜翰

港中大（深圳）经管学院助理院长（教育）

副教授

研究领域

社交网络和社会资本、公司治理和战略领导、创业和风险投资、全球供应链和跨境并购

本文合著者

李家涛（香港科技大学）

Jia Shen(德克萨斯大学达拉斯分校)

丁浩员（上海财经大学）

俞荣建（浙江工商大学）

研究简介

研究背景

近年来，越来越多的研究使用基于面板数据的DID方法。例如，在2020年至2022年间，《国际商务研究杂志》（Journal of International Business Studies）发表的131项实证研究中，有18项（占13.0%）应用了基于面板数据的DID方法作为实证方法的一部分。

研究开始认识到在许多情况下，基于面板数据的DID方法可能导致偏倚的因果估计，因此应谨慎应用。本研究基于对DID方法应用进展和潜在问题的审视，旨在为未来的国际商务研究提供实用建议，以增强研究的严谨性。

研究结果

选择外生性更强的处理事件：

相较于企业层面的处理因素，国际商务环境中的国家或超国家层面的产业制度或社会经济环境中的重大事件可能更适合应用基于面板数据的DID方法。许多国际商务研究采用企业历史中的重大事件作为基于面板数据的DID设计中的处理因素。然而，这种做法应谨慎对待。因为这些企业层面的处理因素通常内生于企业的运营和绩效历史路径，它们往往与各种企业特定因素（尤其是那些指导企业国际商务实践的因素）相关，并因此随着时间的推移与感兴趣的结果产生潜在的反馈效应。

进行平行趋势检验：

在基于面板数据的DID方法中，平行趋势假设要求处理组和对照组在处理发生之前的目标结果具有可比或平行的时间序列趋势。如果处理组和对照组在处理前的趋势不平行，基于面板数据的DID估计可能会产生偏差。这一检验有助于确保处理的随机性和外生性，避免因初始差异导致的估计偏差。

全面控制固定效应：

在国际商务（IB）领域的DID研究中，全面控制固定效应至关重要。个体固定效应和时间固定效应能涵盖处理中的延续效应和异质性，未控制这些效应可能影响研究结果的准确性。为确保可靠性，研究者应在模型中纳入这些固定效应。此外，行业或国家固定效应也有助于控制相应层面的异质性，从而使研究结果更稳健。鉴于IB实践的复杂性，交互固定效应方法更为稳健，能捕捉未观测到的特异性因素相互作用，有效处理非静态和非恒定问题。例如，在研究全球疫情对跨国企业供应链的影响时，可以通过控制行业、总部所在国家、采购国家交互固定效应及企业、年份固定效应，来确保研究结果的准确性。

使用匹配样本策略：

在进行基于面板数据的DID研究时，构建匹配对照样本是一种常见方法，能减轻非随机处理分配问题。该方法已被许多IB领域的DID研究所采纳。其核心是将处理组对象与具有相似特征的对照组对象进行匹配，这些特征包括企业基本面、地理位置、行业归属等，常用技术包括倾向得分匹配（PSM）或粗糙匹配（CEM）。该方法有助减轻非随机性和内生性引起的估计偏差，但需要准确捕捉主要因素。在企业层面的处理中，需要考量历史记录以控制反馈效应。然而，国际商务环境复杂，难以完全识别所有内生性因素，且匹配样本无法解决非恒定处理引起的偏差。因此，国际商务学者使用匹配样本时需谨慎评估，细致识别并采用合适标准。

探索替代估计方法：

除了前述的规范操作外，学者们最近提出了一系列替代估计方法，旨在纠正双重差分（DID）假设的潜在违反情况，并增强基于面板数据DID设计的稳健性。值得关注的是，Callaway和Sant’Anna（2021）提出的“CSDID估计量”方法。这种方法最初旨在解决面板数据DID设计中时间变化处理的异质性问题。

对于未来的国际商务研究者而言，在基于面板数据的DID设计中，考虑采用这些替代估计法（如果条件允许）至少作为稳健性检验，可能会有所裨益。特别是对于那些涉及企业层面处理的研究，采用叠加DID估计量来替代传统的TWFE DID回归，可能更有效地减轻潜在的估计偏差。