雙重差分模型在社區干預研究效果評價中的應用

劉小寧 高文龍 顏 虹△

在以人群為研究對象的社區干預研究(community intervention trial)中，干預人群和對照人群有時無法隨機選擇，例如，在地甲病高發區實施碘鹽干預，自來水加氟干預等。這種無隨機安排測試對象，在較為自然的情況下進行實驗處理的研究方法，稱為準實驗研究(semi-experimental study)。雙重差分法(difference in difference approach，DD)在經濟學和社會學領域中應用較多，是政策分析和工程評估中廣為使用的方法，通常用于估計一項政策或工程給作用對象所帶來的凈效益的一種計量經濟學方法〔1－2〕。本研究運用DD法的原理，用于社區干預準實驗研究的效果評價。

研究資料

本研究資料為西安交通大學醫學院完成的“農村初級衛生保健項目(2001～2005周期)”中家庭問卷調查資料〔3〕。該調查于2001年在西部9個省區45縣展開，以“提高農村孕產婦住院分娩”為核心內容，選定了孕產婦衛生保健服務利用水平較低的10個縣作為項目干預縣(干預組)，實施4年，于2005年進行了評估。以分別在2001和2005年均接受調查的非干預縣作為對照組，進行干預效果評價。

模型原理

采用固定效應估計方法，DD模型的基本設定為:

假設i=1為干預，i=0為非干預;t=1為干預后，t=0為干預前;yit為在干預措施下某時間點上結果變量的平均值。那么，干預組與非干預組某個指標的差異(y11－y01)為干預后干預措施的效應;在考慮到干預前兩組間的差異時，干預措施的效應則應是(y11－y10)－(y01－y00)，即為雙重差分的干預效應。在上述模型中，虛擬變量group×time項的系數β就是在控制了時間效應和其他協變量后干預效應的估計值(differencein-difference estimator)，Xit為可以觀察到的影響因變量的控制變量，εit是隨機誤差項，代表了因時而變且影響因變量的那些非觀測因素。

本研究數據結果見表1。以產前檢查為例，在干預組，干預前后的差異為15.7%，對照組干預前后的差異為9.7%，這個差值反應了兩組在干預前后產前檢查率的變化，為一次差分值;而兩組產前檢查率變化的差異值6.0%反應了干預措施的效應，為二次差分值。但是該值為一點估計值，是否由干預措施促進了產前檢查率的提高，需要做假設檢驗。其次，產前檢查受到婦女人口社會學特征及就醫環境的影響，而這個差值并沒有考慮到這些因素的影響。所以，這個估計值存在著誤差。

表1 2001～2005年西部農村地區孕產婦衛生保健服務利用狀況

分析結果

采用stata version 9.2(Stata/SE 9.2 Stata Corporation，College Station，TX，USA)軟件擬合模型，分析結果如下。

1．模型一:擬合無協變量模型

從表2看出，在不考慮影響產前檢查因素的情況下，干預措施的實施使得干預地區的產前檢查率提高了5.8%，孕早期檢查率提高了13.4%，住院分娩率提高了23.1%，動員住院分娩率下降了5.0%。這個結果與表1中經二次差分的結果一致。

2．模型二:擬合含協變量模型

納入模型的協變量有婦女年齡(連續性變量);婦女家庭人口數(連續性變量);婦女文化程度(連續性變量);婦女民族(二分類變量，0為少數民族，1為漢族);家庭經濟狀況(連續性變量);調查村與鄉鎮距離(連續性變量)。表3結果顯示，在考慮到婦女社會人口學特征和居住地理環境等因素對產前檢查的影響后，干預措施的實施使得干預地區的產前檢查率提高了5.2%，孕早期檢查率提高了12.0%;住院分娩率提高了22.5%;對動員住院分娩率無影響。

表2 無協變量的DD模型估計值

表3 含協變量的DD模型估計值

討 論

由于干預措施實施后的效應有滯后性，本研究設計選擇了在干預措施實施后4年進行評估，減小了對估計干預效果的偏誤。此類含有時間序列的截面數據在不同時期上的數據來自不同樣本，是對同一截面單元集的重復觀測〔1－2〕，DD法很好地解決了時點上個體不對應的重復測量問題。本研究中干預措施的實施可以類比于自然科學實驗中對實驗對象施加的某種“處理”，使得社會中個人的環境發生改變的外生事件，這相當于是一個“自然實驗(natural experiment)”的過程。DD法的主要思路就是利用一個外生的公共政策所帶來的橫向單位和時間序列的雙重差異來識別公共政策的“處理效應”，在本研究中，即為干預措施實施的效果。

影響準實驗方法用于政策評估的有效性的一個主要方面是“隨機性”問題，如果干預的對象不是被隨機分配的，則雙重差分估計會存在一定的偏誤〔4〕。由于受干預的地區和對照地區在干預前就存在系統性的差異，兩類地區在變化趨勢上不同，會使得干預組與對照組在沒有干預的情況下的增長趨勢不同，從而使得雙重差分估計量產生偏誤。在擬合模型時，加入了其他控制變量(調查婦女人口社會學特征和就醫地理環境因素)，并取差分，在一定程度上可以解決這一問題。也有研究在模型中加入了因變量的滯后項期望控制因變量差異及增長趨勢差異對差分估計量的影響〔5〕。

1．周黎安，陳燁．中國農村稅費改革的政策效應:基于雙重差分模型的估計．經濟研究，2005，8:44-53

2．東梅，王桂芬．雙重差分法在生態移民收入效應評價中的應用——以寧夏為例．農業技術經濟，2010，8:87-93．

3．Liu XN，Yan H，Wang DL．The evaluation of“Safe Motherhood”program on maternal care utilization in rural western China:a difference in difference approach．BMC Public Health，2010，10:566．

4．Mayer，Bruce D．Natural and quasi-experiments in economics．Journal of Business ＆ Economic Statistics，1995，13(2):151-161．

5．孫志軍，杜育紅，李婷婷．義務教育財政改革:增量效果與分配效果．北京大學教育評論，2010，8(1):83-191．