Which Policy Works, and Where? Estimation and Inference for State-Level Treatment Effects in Difference-in-Differences
哪项政策有效、在哪里有效？双重差分中的州级处理效应估计与推断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：摘要研究双重差分的辖区与时间处理效应，以及相应平行趋势条件和推断。
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…
哪项政策有效、在哪里有效？双重差分中的州级处理效应估计与推断
- 研究问题
- 当政策目标和实施日期相同、细节或环境不同，如何区分总体与辖区、时期等子层级处理效应，并为具体政策问题选择推断方法？
- 方法与思路
- 作者讨论构造辖区与时间效应的 UN-DID 和 DID-INT，在匹配聚合层级的平行趋势条件下估计 ATT，并比较随机化推断与刀切法。
- 材料陈述的贡献
- 摘要称 CPS 安慰剂法律模拟中随机化推断通常具有合适检验尺寸；子层级刀切法可能无定义，且少数辖区下可能过度拒绝。
- 阅读关注点
- 应核对不同聚合层级的 ATT 定义及平行趋势要求、辖区与时间权重，以及随机化机制和刀切法失效时的样本结构。
- 阅读边界
- 来源为 arXiv 预印本，同行评审或期刊接收未经核实；摘要未说明完整模拟设置，部分辖区检验保守，不能概括为统一推断优势。
原文摘要
Policies with a common objective and implementation date may differ in details or context. We distinguish the aggregate average treatment effect on the treated (ATT) from sub-aggregate ATTs defined by implementation cohort, jurisdiction, period, or policy type. UN-DID and DID-INT, two DiD estimators that construct jurisdiction-by-time effects, estimate these ATTs under parallel-trends conditions matched to the aggregation. In CPS placebo-law simulations, randomization inference is generally well-sized, though some jurisdiction-specific tests are conservative. The jackknife can be undefined for sub-aggregate ATTs; when defined, it over-rejects with few treated or comparison jurisdictions. Estimands and inference methods should match the policy question and implementation setting.