Difference-in-Differences with Sample Selection
存在样本选择的双重差分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：摘要研究存在样本选择的双重差分、处理组平均效应与错位处理设计，涉及因果推断及面板方法。
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…
存在样本选择的双重差分
- 研究问题
- 当处理后的结果是否可观测存在内生选择时，双重差分能够识别哪些已处理者平均效应，又如何为不同潜在群体构造界？
- 方法与思路
- 作者针对两种处理状态下均可观测结果的群体推导尖锐界，并扩展至协变量、重复截面和错位处理中的两期两组比较。
- 材料陈述的贡献
- 摘要称，即使选择与处理分配独立，常规双重差分仍可能失去因果解释；另以结果均值优势假设识别三个潜在群体的效应。
- 阅读关注点
- 应核对潜在选择状态、各组假设与尖锐界推导，以及附加均值优势限制如何改变目标群体、识别范围和经验解释。
- 阅读边界
- 依据 arXiv 预印本摘要，同行评审或接收未核实；具体选择假设、界的表达和实证数值未说明，不能据此声称效应已点识别。
原文摘要
We consider the identification of average treatment effects on the treated (ATT) in difference-in-differences (DiD) settings in the presence of endogenous sample selection. We first establish that the conventional DiD estimand generally fails to recover causally meaningful treatment effects, even if selection and treatment assignment are independent. We then partially identify the ATT for individuals whose outcomes would be observed post-treatment under either counterfactual treatment state, and derive sharp bounds on this parameter under different sets of assumptions on the relationship between sample selection and treatment assignment. These identification results are extended to allow for covariates, repeated cross-section data, and two-by-two comparisons in staggered adoption designs. Furthermore, we present identification results for the ATT of three additional empirically relevant latent groups by imposing outcome mean dominance assumptions that have intuitive appeal in applications. Finally, two empirical illustrations demonstrate the approach's usefulness by revisiting (i) the effect of a job training program on earnings and (ii) the effect of a working-from-home policy on employee performance.