Covariate-Balanced Weighted Stacked Difference-in-Differences
协变量平衡的加权堆叠双重差分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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要直接研究堆叠双重差分、目标 ATT、重复处理及设计导向的面板匹配。
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…
关注这篇论文的作者
协变量平衡的加权堆叠双重差分
- 研究问题
- 当未处理趋势仅在给定协变量后平行时，如何改进加权堆叠 DID，并将分析扩展到反复进入与退出处理的情形？
- 方法与思路
- 作者在各子实验内通过匹配或加权改善可比性，再用纠正堆叠权重汇总目标 ATT，并在有限记忆假设下处理重复事件。
- 材料陈述的贡献
- 摘要提出连接加权堆叠 DID 与面板匹配的设计框架，讨论识别和推断，并提供模拟、既有研究应用及配套软件。
- 阅读关注点
- 应核对条件平行趋势、协变量选择、汇总权重对应的目标 ATT，以及有限记忆假设如何限制重复处理的历史影响。
- 阅读边界
- 这是 arXiv 预印本，同行评审或接收未核实；摘要未给出完整识别与推断条件，协变量平衡本身不能证明趋势平行。
原文摘要
This paper proposes Covariate-Balanced Weighted Stacked Difference-in-Differences (CBWSDID), a design-based extension of weighted stacked DID for settings in which untreated trends may be conditionally rather than unconditionally parallel. The estimator separates within-subexperiment design adjustment from across-subexperiment aggregation: matching or weighting improves treated-control comparability within each stacked subexperiment, while the corrective stacked weights of Wing et al. recover the target aggregate ATT. I show that the same logic extends from absorbing treatment to repeated $0 \to 1$ and $1 \to 0$ episodes under a finite-memory assumption. The paper develops the identifying framework, discusses inference, presents simulation evidence, and illustrates the estimator in applications based on Trounstine (2020) and Acemoglu et al. (2019). Across these examples, CBWSDID serves as a bridge between weighted stacked DID and design-based panel matching. The accompanying R package cbwsdid is available on GitHub.