A difference-in-differences estimator by covariate balancing propensity score
基于协变量平衡倾向得分的双重差分估计量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：摘要明确研究面板数据双重差分设计下已处理者平均处理效应的估计。
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
基于协变量平衡倾向得分的双重差分估计量
- 研究问题
- 在具有面板数据的双重差分设计中，如何通过协变量平衡估计已处理者平均处理效应，并改善工作模型局部误设时的表现？
- 方法与思路
- 作者提出协变量平衡倾向得分双重差分估计量，讨论其效率、稳健性与收敛性质，并通过模拟和实证研究考察有限样本表现。
- 材料陈述的贡献
- 摘要称该估计量具有局部有效性及一致性、推断的双重稳健性，且在两个工作模型均局部误设时比所比较的AIPW估计量收敛更快。
- 阅读关注点
- 应核对协变量平衡条件、处理效应识别条件，以及局部误设的定义；尤其关注推断双重稳健性和收敛速度比较的适用范围。
- 阅读边界
- 这是arXiv预印本，不能据此声称已同行评审或期刊接收。摘要未说明具体假设、误设尺度和数值结果，无法判断优势是否普遍。
原文摘要
This article develops a covariate balancing approach for the estimation of treatment effects on the treated (ATT) in a difference-in-differences (DID) research design when panel data are available. We show that the proposed covariate balancing propensity score (CBPS) DID estimator possesses several desirable properties: (i) local efficiency, (ii) double robustness in terms of consistency, (iii) double robustness in terms of inference, and (iv) faster convergence to the ATT compared to the augmented inverse probability weighting (AIPW) DID estimators when both working models are locally misspecified. These latter two characteristics set the CBPS DID estimator apart from the AIPW DID estimator theoretically. Simulation studies and an empirical study demonstrate the desirable finite sample performance of the proposed estimator.