Difference-in-differences with "bad controls"
含不良控制变量的双重差分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：摘要明确研究双重差分、条件平行趋势与错位处理下的 ATT 识别。
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…
含不良控制变量的双重差分
- 研究问题
- 当平行趋势需要条件于可能受处理影响的协变量时，如何利用这些不良控制变量识别已处理者平均效应，而非简单删除它们？
- 方法与思路
- 作者分别推导仅控制处理前协变量值的条件，并在协变量无混杂条件下构造插补及去偏机器学习估计，另扩展至错位处理实施。
- 材料陈述的贡献
- 摘要称给出两条使用不良控制变量的识别路径、相应估计方法和识别假设预检验，并应用于工作流失对收入的影响。
- 阅读关注点
- 应核对两条识别路径的条件差异、目标是否为总处理效应、处理前协变量如何选择，以及错位处理扩展和预检验的解释范围。
- 阅读边界
- 来源为 arXiv 预印本，同行评审或期刊接收未经核实；摘要未列出完整条件，预检验不能确证识别假设，不良控制也非普遍可用。
原文摘要
This paper considers difference-in-differences identification strategies when the parallel trends assumption holds after conditioning on covariates that may themselves be affected by the treatment (often referred to as "bad controls"). We show that common approaches such as simply dropping bad controls are often ill-advised and develop two alternative approaches that allow bad controls to function as genuine controls despite being affected by treatment. First, we derive explicit conditions that rationalize conditioning only on pre-treatment values of the bad control, leading naturally to the Callaway and Sant'Anna (2021) estimator with pre-treatment values as covariates. Second, under a covariate unconfoundedness condition, we develop imputation and double/debiased machine learning estimators that recover the average treatment effect on the treated. We extend these results to staggered treatment adoption, provide pre-tests for the identifying assumptions, and apply the methods to study the effects of job displacement on earnings.