Difference in difference meets generalized least squares: Higher order properties of hypotheses tests
双重差分与广义最小二乘：假设检验的高阶性质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：摘要明确涉及处理效应的双重差分模型，以及横截面与时间维度下的序列相关和推断。
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…
关注这篇论文的作者
双重差分与广义最小二乘：假设检验的高阶性质
- 研究问题
- 双重差分模型存在序列相关且横截面观测较少时，如何改善可行广义最小二乘检验的有限样本尺寸表现？
- 方法与思路
- 作者通过高阶 Edgeworth 展开分析 FGLS 检验，构造尺寸修正，并研究利用时间聚合降低权重矩阵维度的方法。
- 材料陈述的贡献
- 摘要称，作者提出尺寸修正的 FGLS 检验，并在移动电话价格监管应用中发现该检验优于基于 OLS 的检验。
- 阅读关注点
- 应核对展开所需条件、权重矩阵估计方式、最优时间聚合准则，以及应用中检验表现比较所采用的评价指标。
- 阅读边界
- 仅据所给出版社摘要，无法判断修正幅度、识别假设或比较结果的普遍性；所述优势不能外推至所有双重差分设计。
原文摘要
We investigate the estimation and inference in difference in difference econometric models used in the analysis of treatment effects. When the innovations in such models display serial correlation, commonly used ordinary least squares (OLS) procedures are inefficient and may lead to tests with incorrect size. Implementation of feasible generalized least squares (FGLS) procedures is often hindered by too few observations in the cross-section to allow for unrestricted estimation of the weight matrix without leading to tests with similar size distortions as conventional OLS based procedures. We analyze the small sample properties of FGLS based tests with a formal higher order Edgeworth expansion that allows us to construct a size corrected version of the test. We also address the question of optimal temporal aggregation as a method to reduce the dimension of the weight matrix. We apply our procedure to data on regulation of mobile telephone service prices. We find that a size corrected FGLS based test outperforms tests based on OLS.