差異法中的差異：如何檢驗治療組和對照組之間的共同趨勢假設？
根據上一個帖子的評論，我想知道如何在差異差異方法中測試治療組和對照組之間的共同趨勢假設？
我可以用兩個時間點的數據來檢驗這個假設嗎（例如，2002 年的基線調查、2002 年至 2006 年的治療以及 2006 年的隨訪調查）？
非常感謝你！
已編輯：發布此問題後，“相關”面板將我帶到這個未回答的問題，其中提問者想了解一種方法背後的直覺，以解釋 DID 方法中的時間趨勢。我想在這裡鏈接它，因為這個問題對我來說也很有趣。謝謝！
典型的做法是目視檢查對照組和治療組的治療前趨勢。如果您只對這兩組進行單一的二元處理，這將特別容易。理想情況下，預處理趨勢應如下所示：
該圖取自先前對為什麼我們需要共同趨勢假設的問題的回答。這還包括對藍色虛線的解釋，如果我們能夠合理地驗證平行趨勢假設，則可以假設處理後的反事實結果。
也適用於多值處理或多個組的正式測試是將處理變量與時間虛擬變量交互。假設您有 3 個治療前階段和 3 個治療後階段，那麼您會倒退
在哪裡是個人的結果有時,和是個體和時間固定的影響（這是寫下差異模型的通用方式，它也允許在不同時間進行多次治療或治療）。
思路如下。您包括時間虛擬變量和前兩個預處理週期的處理指標的交互作用，並且由於虛擬變量陷阱而忽略了最後一個預處理週期的一個交互作用。同樣，現在所有其他交互都相對於作為基線的省略時段表示。如果治療組和對照組的結果趨勢相同，那麼和應該是不顯著的，即在治療前期間兩組之間的差異沒有顯著差異。
該測試的一個吸引人的特點是，治療後時間假人與治療指標的相互作用也是信息豐富的。例如，向您顯示治療效果是否會隨著時間的推移而消失、保持不變，甚至會增加。這種方法的一個應用是Autor (2003)。
注意文獻一般指作為“線索”和作為“滯後”，即使它們只是治療指標與時間虛擬變量的相互作用，實際上並不是時間序列術語意義上的治療指標的領先和滯後。Steve Pischke 的講義（第 7 頁此處或第9頁此處）提供了有關此平行趨勢測試的更詳細說明。
