DID模型，全名difference-in-differences，即雙重差分法，是實證研究中一種常用的政策效應評估方法。它的識別策略為先觀察受政策影響的個體在政策前後的變化，再觀察未受政策影響的個體在政策前後的變化，而兩個變化之間的差異就是政策干預對個體的影響。
經典DID模型的基本形式為：yi,t=α+μi+λt+θtreati×postt+βcontrolsi,t+ϵi,t。其中，yi,t為被解釋變數；i表示個體，t表示時間；μi表示個體固定效應；λt表示時間固定效應；controlsi,t表示隨時間和個體變化的控制變數；β是控制變數的係數；ϵi,t是模型的隨機誤差項。treati為處理組虛擬變數，若個體i屬於受到政策衝擊的"處理組"，則取值為1；若個體i屬於未受到政策衝擊的"控制組"，取值為0。postt為處理期虛擬變數，處理組的個體也只有到了處理期才會受到政策衝擊，若個體i進入處理期取值為1；否則取值為0。交乘項的係數θ是我們關心的處理效應。
雙重差分法如何得到政策實施的淨效應呢？首先，將政策實施前後的時間進行第一次差分，得到兩組時期的變化量，經過第一次差分，可以消除個體不隨時間變化的質性。然後，再對兩組組別變化量進行第二次差分，以消除隨時間變化的增量，最終得到政策實施的淨效應。