Identification of dynamic treatment effects when treatment histories are partially observed
处理历史部分可观测时动态处理效应的识别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：摘要直接研究双重差分中的路径依赖处理效应识别与稳健估计。
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
处理历史部分可观测时动态处理效应的识别
- 研究问题
- 当处理历史只被部分观察时，如何在双重差分框架下识别依赖处理路径的效应，并降低缺失与模型误设对推断的影响？
- 方法与思路
- 作者组合结果模型、倾向得分模型和处理缺失模型构造稳健估计量，摘要称三者中任意两个正确即可识别目标参数。
- 材料陈述的贡献
- 摘要称在相同识别假设下提高模型稳健性，理论和数值实验支持推断改善，两个应用显示路径依赖效应估计可能出现实质差异。
- 阅读关注点
- 应核对历史缺失机制、路径效应定义和双重差分识别条件，并区分任意两个模型正确的性质与推断有效性所需的附加条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实。摘要未说明具体识别假设、缺失机制及比较数值，不能认定对任意缺失均稳健。
原文摘要
This paper presents a general difference-in-differences framework for identifying path-dependent treatment effects when treatment histories are partially observed. We introduce a novel robust estimator that adjusts for missing histories using a combination of outcome, propensity score, and missing treatment models. We show that this approach identifies the target parameter as long as \textit{any two} of the three models are correctly specified. The method delivers improved robustness against competing alternatives under the same set of identifying assumptions. Theoretical results and numerical experiments demonstrate how the proposed method yields more accurate inference compared to conventional and doubly robust estimators, particularly under nontrivial missingness and misspecification scenarios. Two applications demonstrate that the robust method can produce substantively different estimates of path-dependent treatment effects relative to conventional approaches.