探索DID、PSM与DID+PSM的区别：理解它们如何处理时间趋势与不可观测效应
在研究设计的领域，DID（双差分法）、PSM（倾向评分匹配）和DID+PSM的结合是备受瞩目的分析工具。它们各自在处理实验设计中的挑战时，展现出了独特的功能和适用场景。首先，让我们澄清这些术语：DID是通过对比干预前后两组的差异来估计干预效应，而PSM则是通过匹配处理不可观测变量的影响，DID+PSM则是两者结合，以增强估计的精确度。
在匹配估计的世界里，DID要求更为严谨的数据，需要在项目前后两个时间点收集数据，以控制潜在的时间趋势。PSM则更侧重于个体特征的匹配，通过找到具有相似可观察特征的对照组，减小了不可观测效应的影响。DID+PSM结合了两者优点，既利用了DID的时间趋势控制，又通过PSM的匹配消除潜在偏差。
举例来说，假设我们研究教育奖学金项目对毕业率的影响。DID通过比较受奖与未受奖学生毕业率的变化，而PSM会通过筛选出绩点和家庭收入相近的学生，确保对比组之间的平衡。DID+PSM则会同时进行这两步，进一步提高结果的可信度。
在匹配过程中，精确匹配和倾向评分匹配各有优劣。精确匹配可能导致匹配困难，而倾向评分匹配能降低维度诅咒，但仍然需要共同支持的范围。理解这些概念，我们可以准确地估计出参与者平均的干预效应，无论是针对受奖者的即时效应，还是对所有潜在受者的影响。
对于贷款给农民的项目，DID在截面数据中看到的差异可能受到生产率和贷款选择偏误的影响。而前－后估计和双重差分则分别通过控制前后变化和个体特征，提供了更准确的影响评估。DID+PSM在此场景下，可以进一步细化分析，控制更多不可观测因素，提供更深入的洞察。
总的来说，DID、PSM和DID+PSM在处理时间趋势和不可观测效应方面各有所长，选择哪种方法取决于研究的具体需求和数据的可用性。理解这些方法的区别，将有助于我们在评估实际项目效果时，做出更为精准和可靠的判断。