Inference in difference‐in‐differences: How much should we trust in independent clusters?
双重差分推断：独立聚类假设有多可信？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。
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：摘要直接分析面板双重差分中的空间相关与处理效应推断。
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…
关注这篇论文的作者
双重差分推断：独立聚类假设有多可信？
- 研究问题
- 在存在空间相关性的双重差分研究中，忽略跨聚类依赖何时会严重扭曲推断，研究者又如何评估和减轻这种风险？
- 方法与思路
- 作者结合理论分析与实证证据，考察时间窗口、处理与控制组选择及估计量对失真的影响，并比较处理空间相关的替代方案。
- 材料陈述的贡献
- 摘要称，上述研究设计细节决定空间相关造成的推断失真，并提出评估失真可能性和缓解问题的应用建议。
- 阅读关注点
- 应核对空间相关的建模与渐近框架、设计细节影响失真的机制，以及各替代推断方法的可行条件和取舍。
- 阅读边界
- 仅据所给 Crossref 摘要，不能确定哪些设计失真更严重、建议的具体内容或替代方法表现；空间相关也不直接等于处理干扰。
原文摘要
Summary We analyze the challenges for inference in difference‐in‐differences (DID) when there is spatial correlation. We present novel theoretical insights and empirical evidence on the settings in which ignoring spatial correlation should lead to more or less distortions in DID applications. We show that details, such as the time frame used in the estimation, the choice of the treated and control groups, and the choice of the estimator, are key determinants of distortions due to spatial correlation. We also analyze the feasibility and trade‐offs involved in a series of alternatives to take spatial correlation into account. Given that, we provide relevant recommendations for applied researchers on how to mitigate and assess the possibility of inference distortions due to spatial correlation.