MSE-Optimal Difference-in-Differences Estimator
均方误差最优的双重差分估计量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：摘要明确围绕双重差分、平行趋势与处理效应估计展开。
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
均方误差最优的双重差分估计量
- 研究问题
- 双重差分估计应使用多长的处理前趋势信息，才能在小样本方差与平行趋势偏离带来的偏差之间取得合适权衡？
- 方法与思路
- 作者以均方误差最小化为准则选择处理前趋势长度，据此构造估计量，并通过模拟和实证应用考察其表现。
- 材料陈述的贡献
- 摘要提出由最优处理前趋势长度导出的双重差分估计方法，强调偏差与方差权衡，并报告其具有实际应用可行性。
- 阅读关注点
- 应核对趋势偏离如何建模、偏差和方差如何估计，以及窗口选择后的推断是否计入选择不确定性和预检验影响。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未说明最优性的模型范围，也未证明该方法消除识别问题。
原文摘要
This paper develops a difference-in-differences (DiD) estimation method that selects the optimal length of pre-trends by minimizing the mean squared error (MSE). Conventional DiD regression models, such as the two-way fixed effects model or the event study model, may suffer from accuracy and validity concerns. If the sample size is small, the estimator may have a larger variance. Also, pre-tests often lack power to detect violations of the parallel trends assumption as Roth (2022) highlights. By focusing on the bias and variance tradeoff, the proposed method derives the MSE-optimal estimator from the optimal length of pre-trends. Simulation results and an empirical application demonstrate the practical applicability of the proposed method.