Choosing A Headline Estimand from Matching, DID, and Hybrid Designs: A Minimax-Regret Approach
从匹配、双重差分与混合设计中选择主要估计目标：最小最大遗憾方法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：摘要直接讨论面板数据中的因果效应，以及匹配、双重差分和混合设计之间的识别与报告选择。
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
从匹配、双重差分与混合设计中选择主要估计目标：最小最大遗憾方法
- 研究问题
- 面板因果研究中，匹配、双重差分及混合设计依赖非嵌套的识别假设，研究者应如何选择主要报告的估计目标？
- 方法与思路
- 作者研究三类估计目标的排序条件，并在一类损失函数下比较选择不同目标的最坏情形遗憾，以指导报告方式。
- 材料陈述的贡献
- 摘要称，在所给条件下，混合目标位于匹配与双重差分之间，具有最小最大遗憾性质，并建议配合两端目标报告。
- 阅读关注点
- 应核对排序条件、损失函数范围、遗憾的定义及其参照对象，并区分估计目标的理论排序与样本估计的不确定性。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明具体条件，三者排序也不自动构成真实因果效应的界。
原文摘要
Researchers using panel data to estimate causal effects routinely choose among three approaches to using past outcomes: difference-in-differences (DID), conditioning on lagged outcomes (matching, M), and a hybrid that does both (DIDM). The corresponding identifying assumptions are non-nested, leaving little guidance on which to report. We give conditions under which the corresponding estimands are ordered, with DIDM bracketed between matching and DID. This makes DIDM the minimax-regret choice among the three under a broad class of loss functions. We recommend reporting DIDM as the headline estimate, with matching and DID as bounds. We illustrate in applications.