如何客观评估政策和制度绩效，特别是定量考察新政策对经济影响的动态因果检验成为经济学界亟需解决的问题。
20世纪80年代，国外经济学界借鉴自然科学实验效果检验方法，兴起了一种专门评估政策效果的方法——双重差分法（Differences-in-Differences Method，简称DID），由于DID方法思路简洁，模型简单易用，估计方法成熟，在.西方学界被广泛应用于政策效果、制度绩效和项目评价等方面，目前国内DID方法应用也呈现快速增长态势。
但该方法在应用中仍然会出现如内生性、动态异质性等问题，本文将介绍面对这些问题我们应该如何去解决应对。
基于双重差分模型的政策效果评估方法
双重差分方法评估政策效果的基本思想是通过比较受到影响的群体（处理组）和未受到影响的群体（对照组）的差异，评估政策效果。
设定y表示关注的结果变量，组别虚拟变量TREATt= 1或0分别表示对该组样本进行了“处理”或没有；处理时间虚拟变量YEARt=1或0分别表示“处理后”和“处理前”。
假设随机变量之间存在线性关系，双重差分的基本模型一般设定为：
近年来我国双重差分研究的运用进人快速增长期”，但是在方法运用中存在不少问题，根本原因在于忽视了“自然实验”才是双重差分方法的基本前提条件，将一些不合格的政策冲击视为自然实验，导致政策评估结果存在偏差甚至错误。
以下我们列举三个双重差分方法应用过程中容易出现的问题以及修正方法。
1、“政策内生性”和“选择性偏误”
分组不当与时间划分不当导致无法满足随机分组和随机抽样的条件，是造成“政策内生性”和“选择性偏误”的根本原因。
理论上，通过随机分组和随机划分时间，实现平行趋势假定，才能根据对照组在处理后的值，推算出处理组若没有接受处理的情况（也就是反事实），从而相减得到平均处理效应。
如果分组和样本选择的目的性较强，可能导致随机性为特征的自然实验难以成立。如以企业进人胡润百富榜为自然实验，叶青等研究其对会计信息披露质量的影响，但违背随机分组和随机抽样的要求。
白重恩等对出口退税政策效果的研究也存在政策内生性问题。修正方法除了进行相关的实验前测之外，还可以进行随机抽样的办法予以缓解。
时间划分不当可能由于所认定的事件本身就是系统内部运行或相关的结果。2009年“四万亿”财政扩张政策在一定程度上内生于经济内部系统（应对国际金融危机），都与宏观经济环境高度相关，如储著贞、梁权熙的研究一定程度存在这种问题。解决方法除实验前测外，还可以通过更换与政策目标不直接相关的被解释变量、控制变量加以缓解。
2、分组样本的异质性
在随机分组后，样本的简单选择造成忽视样本的异质性问题，产生回归结果偏差。Moser P和Voena A研究了一些发展中国家实施强制许可制度是否能促进本国相关产业技术进步的问题。
本文借助一战后1917年10月6日美国通过的《敌对国家贸易法案（TWEA）》作为外生的自然实验，利用美国有机化学产业中19个主行业下含7248个子行业）1875——1939年的数据。
子行业当年只要得到一个强制许可专利就视为处理组。相当于前文式（1）中的组别虚拟变量TREAT和处理时间虚拟变量YEAR的交互项。常规情况下，处理变量在处理前后赋值是0、1，这种方式的不足是忽视了样本的异质性。
在本文中不能体现处理程度的差异，如得到一个强制许可专利的是处理组，得到10个的也是处理组，但它们的影响肯定是不同的，可都赋值为1。针对这个情况，国外开始采用所谓连续型DID，本文中用强制许可专利数、终身专利数及其平方项的连续变量，作为处理变量的代理变量。
从形式上看，这是标准的面板双固定效应模型，也是DID的外延进一步扩展。
3、平行趋势检验和动态异质性
在stata新出的命令didq可以实现上述检验，R Mora & I Reggio具体给出了平行趋势检验假定的证明过程。
以上便是对与双重差分模型应用中常见的问题列举与解决方法介绍，你学废了吗？