Efficient Estimation for Staggered Rollout Designs
交错实施设计中的高效估计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。
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：摘要研究交错处理采用下的因果效应，并以广义双重差分估计方法为比较对象，对应因果推断与面板处理设计。
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
交错实施设计中的高效估计
- 研究问题
- 当各单位采用处理的时间近似随机分配时，如何在包含常见广义双重差分方法的估计量类别中提高因果效应估计效率？
- 方法与思路
- 作者在指定估计量类别中推导最有效估计量，构造可行的代入版本，并提供基于 t 统计量和置换检验的推断方法。
- 材料陈述的贡献
- 摘要称可行估计量渐近无偏且效率弱优于已有方法；警员培训应用中，其置信区间长度最多缩短至既有方法的八分之一。
- 阅读关注点
- 应核对处理时点近似随机的具体含义、效率比较所限的估计量类别、代入估计要求，以及两种推断方法的有效性条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核验。摘要未展开理论条件，应用中的区间缩短不能推广为所有设计的收益。
原文摘要
We study estimation of causal effects in staggered rollout designs, i.e. settings where there is staggered treatment adoption and the timing of treatment is as-good-as randomly assigned. We derive the most efficient estimator in a class of estimators that nests several popular generalized difference-in-differences methods. A feasible plug-in version of the efficient estimator is asymptotically unbiased with efficiency (weakly) dominating that of existing approaches. We provide both $t$-based and permutation-test-based methods for inference. In an application to a training program for police officers, confidence intervals for the proposed estimator are as much as eight times shorter than for existing approaches.