双重差分适用的研究场景：
研究某项政策或者冲击造成的影响
例如，某某小学在2024.12.12日颁布了小红花激励措施，我们要研究这项措施对学生成绩的影响，此时，就可以使用双重差分模型。
双重差分适用的数据类型：
（1）面板数据；
例如，字段中需要包含学生ID，时间。
（2）具备处理组和对照组；
例如，收到小红花的学生是处理组，没收到小红花的学生是对照组。
（3）具备处理前后的数据；
例如，收到小红花的学生在2024.12.12日之前和之后的数据都有，并且没收到小红花的学生在2024.12.12日之前和之后的数据都有。
传统双重差分法的原理
-
传统双重差分法又称经典双重差分法、两期双重差分法。
-
区分传统双重差分法和多期双重差分：处理行为发生在同一时间点的为传统双重差分法，处理行为发生在不同时间点的为多期双重差分法。
-
为什么不能直接比较处理组处理前后的变化、直接比较处理后的处理组和对照组？
（1）处理后的处理组和对照组的差别 不是 处理效应
原因：两者的差别可能还包含个体差异
实际上：处理后的处理组-处理后的对照组 = 处理效应+个体差异
（2）处理组在处理前与处理后的差别 不是 处理效应
原因：两者的差别可能还包含时间差异
实际上：处理后的处理组-处理前的处理组 = 处理效应+时间效应
4.两种思路理解双重差分的处理效应
思路一：
（1）先组内比较，后组间比较
处理后的处理组-处理前的处理组 = 处理效应+时间效应
处理后的对照组-处理前的对照组 = 时间效应
两者的差 = 处理效应
思路二：先组间比较，后组内比较
处理后的处理组-处理后的对照组 = 处理效应 + 个体差异
处理前的处理组 - 处理前的对照组 = 个体差异
两者的差 = 处理效应
PS：该学习笔记是在看了小周老师的视频的基础上进行总结的。原视频链接： https://b23.tv/IZNBDNN