双重差分模型（DID）对个体数量有显著影响，样本量不足会导致估计偏误、标准误膨胀以及统计显著性降低，通常建议每个处理组和对照组至少包含30个观测个体，但实际最低要求需结合效应量、组内相关性、时间期数及是否使用聚类标准误等因素综合计算。 在面板数据中，个体数量（N）主要影响模型估计的稳定性：当N过小时，平行趋势假设难以检验，且极端值对结果影响过大；当N较大时，DID估计量更接近真实因果效应，且能通过安慰剂检验、Bootstrap等方法增强可信度。对于小样本场景（如N<20），推荐使用合成控制法、匹配DID或贝叶斯DID作为替代。此外，若个体数量固定但时间期数（T）较长，可通过个体固定效应吸收不可观测异质性，但需注意组内相关性对标准误的干扰。实践中，建议在实验设计阶段通过Monte Carlo模拟或功效分析（power analysis）确定最小所需个体数，常见做法是设置效应量Cohen's d=0.5、统计功效0.8、显著性水平0.05，此时每组至少需要64个个体。若个体数量无法达到，可考虑增加时间期数、使用协变量调整或采用DID的变体（如Staggered DID、CSDID）以提升估计效率。
【常见问题】
问题1：did模型对个体数量有没有最低要求，比如每个组必须大于30个？
回答1：did模型没有绝对固定的最低个体数量要求，但统计实践中通常建议每个处理组和对照组至少30个个体，这是基于中心极限定理和标准误稳定性的经验法则。当个体数量少于30时，估计结果可能对异常值敏感，且平行趋势假设检验的统计功效不足，需要采用小样本修正（如Bootstrap、Wild Bootstrap）或改用非参数方法。
问题2：如果个体数量很少，使用did模型会导致什么后果？
回答2：个体数量过少（如每组少于10个）会导致did模型估计量方差增大，置信区间过宽，难以检测到真实效应；同时，由于个体数量少，随机分组可能不平衡，导致处理组和对照组在基线特征上存在系统性差异，从而破坏平行趋势假设。此外，小样本下聚类标准误（如省份、班级层面）的调整可能失效，建议使用置换检验或合成控制法作为替代。
问题3：did模型中的个体数量是否影响平行趋势检验的可靠性？
回答3：是的，个体数量直接影响平行趋势检验的统计效力。当个体数量较少时，即使趋势存在轻微偏离，检验也可能因标准误过大而无法拒绝原假设，导致误判“平行趋势成立”。反之，个体数量足够大时，检验能更灵敏地识别出趋势差异。通常建议个体数量至少满足每组50个以上，才能较为可靠地进行事件研究法（Event Study）的图形和回归检验。
问题4：在面板数据中，did模型对个体数量和时间期数的关系有何要求？
回答4：个体数量（N）和时间期数（T）共同影响did模型的估计精度。一般来说，N越大越好，T适中（至少2期，最佳为3期以上）即可。如果N很小（如N<20），可以通过增加T（如10期以上）来缓解，但需注意时间序列相关性可能导致自相关问题。在Staggered DID设计中，个体数量不足还会导致异质性处理效应估计出现偏差，此时建议使用CSDID或Sun & Abraham方法。
问题5：有没有针对小个体数量的did模型改进方法？
回答5：有。当个体数量有限时，推荐采用以下改进方法：1）使用合成控制法（SCM）构造虚拟对照组，适用于单个或少数处理个体；2）采用匹配DID（如PSM-DID），通过倾向得分匹配减少个体差异；3）使用贝叶斯DID，引入先验信息降低方差；4）进行Bootstrap标准误调整，提升小样本推断的稳健性；5）增加时间期数或使用协变量（如个体层面时间趋势）来控制不可观测因素。