Difference-in-Differences with Multiple Events
存在多个事件的双重差分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：摘要直接研究交错 DiD 的遗漏事件偏差与处理效应识别，并应用于最低工资对青少年就业的影响，因此归入因果推断。
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
存在多个事件的双重差分
- 研究问题
- 交错实施的目标事件与第二个事件相关时，处理组和对照组暴露不均会怎样污染 DiD，以及如何分离目标事件的效果？
- 方法与思路
- 作者提出两阶段 DiD：先用既未处理也未受混杂事件影响的对照组估计联合效果，再借助平行处理效应假设分离目标效果。
- 材料陈述的贡献
- 摘要称，该设计处理遗漏事件偏差；在最低工资应用中，控制 Medicaid 扩张这一混杂事件后，短期效果估计减少三分之二。
- 阅读关注点
- 应核对平行处理效应假设的精确定义、两阶段对照组的可用性及事件时序，并检查最低工资与医保扩张效果的分离依据。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未给出估计符号、基准大小和不确定性，不能从相对变化推断就业影响强度。
原文摘要
This paper studies staggered Difference-in-Differences (DiD) design when there is a second event confounding the target event. When the events are correlated, the treatment and the control group are unevenly exposed to the effects of the second event, causing an omitted event bias. To address this bias, I propose a two-stage DiD design. In the first stage, I estimate the combined effects of both treatments using a control group that is neither treated nor confounded. In the second stage, I isolate the effects of the target treatment by leveraging a parallel treatment effect assumption and a control group that is treated but not yet confounded. Finally, I apply this method to revisit the effect of minimum wage increases on teen employment using state-level hikes between 2010 and 2020. I find that the Medicaid expansion under the ACA is a significant confounder: controlling for this bias reduces the short-term estimate of the minimum wage effect by two-thirds.