Simple approaches to nonlinear difference-in-differences with panel data
面板数据非线性双重差分的简便方法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：题名和摘要明确研究面板数据、分期干预下的非线性双重差分及处理效应识别。
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
面板数据非线性双重差分的简便方法
- 研究问题
- 结果变量适合非线性模型且干预分期发生时，如何识别并方便地估计各处理队列、各日历期的处理组平均效应？
- 方法与思路
- 作者在指数指标层面的平行趋势条件下，使用线性指数族的混合准最大似然估计，涵盖logit与指数条件均值设定。
- 材料陈述的贡献
- 摘要称，各队列时期ATT可被识别；采用规范链接对应的条件均值时，插补与全样本混合估计相同，且便于计算标准误。
- 阅读关注点
- 应核对指数指标平行趋势与结果均值趋势的区别、协变量处理方式，以及规范链接下估计等价和标准误计算的条件。
- 阅读边界
- 摘要未展开完整识别条件、样本支持或推断细节；非线性模型下的结果不能直接套用线性双重差分的平行趋势解释。
原文摘要
Summary I derive simple, flexible strategies for difference-in-differences settings where the nature of the response variable may warrant a nonlinear model. I allow for general staggered interventions, with and without covariates. Under an index version of parallel trends, I show that average treatment effects on the treated (ATTs) are identified for each cohort and calendar time period in which a cohort was subjected to the intervention. The pooled quasi-maximum likelihood estimators in the linear exponential family extend pooled ordinary least squares estimation of linear models. By using the conditional mean associated with the canonical link function, imputation and pooling across the entire sample produce identical estimates. Generally, pooled estimation results in very simple computation of the ATTs and their standard errors. The leading cases are a logit functional form for binary and fractional outcomes—combined with the Bernoulli quasi-log likelihood (QLL)—and an exponential mean combined with the Poisson QLL.