Two-way fixed effects and differences-in-differences estimators with several treatments
多种处理下的双向固定效应与双重差分估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究多处理双重差分的因果效应解释，以及双向固定效应回归的权重和污染问题。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
多种处理下的双向固定效应与双重差分估计
- 研究问题
- 在包含多个处理变量的双向固定效应回归中，处理效应异质性如何影响各系数的含义，其他处理的效应又会怎样污染目标系数？
- 方法与思路
- 作者在平行趋势假设下分解每个处理系数，分析可能为负的自身效应权重及其他处理效应权重，并提出替代的双重差分估计量。
- 材料陈述的贡献
- 摘要称，遗漏某种处理有时反而降低偏差；替代估计量可应对异质效应并避免污染，应用展示较大的污染权重及估计结果差异。
- 阅读关注点
- 应核对多处理下平行趋势的精确定义、系数权重分解、替代估计量所用比较组，以及其识别对象、可用样本和推断条件。
- 阅读边界
- 所给 RePEc 出版社摘要未列出替代方法的完整条件和应用数值；遗漏处理可能降偏不构成通用变量选择规则，也不能推断其他版本变化。
原文摘要
We study two-way-fixed-effects regressions (TWFE) with several treatment variables. Under a parallel trends assumption, we show that the coefficient on each treatment identifies a weighted sum of that treatment’s effect, with possibly negative weights, plus a weighted sum of the effects of the other treatments. Thus, those estimators are not robust to heterogeneous effects and may be contaminated by other treatments’ effects. We further show that omitting a treatment from the regression can actually reduce the estimator’s bias, unlike what would happen under constant treatment effects. We propose an alternative difference-in-differences estimator, robust to heterogeneous effects and immune to the contamination problem. In the application we consider, the TWFE regression identifies a highly non-convex combination of effects, with large contamination weights, and one of its coefficients significantly differs from our heterogeneity-robust estimator.