Analysis of the bias of Matching and Difference-in-Difference under alternative earnings and selection processes
不同收入与选择过程下匹配和双重差分的偏差分析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：摘要直接比较匹配和双重差分识别培训项目平均因果效应时的选择偏差。
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
不同收入与选择过程下匹配和双重差分的偏差分析
- 研究问题
- 在收入动态和培训项目参与选择共同作用下，匹配与双重差分的偏差来自哪里，处理前结果的数量和时间配置如何影响表现？
- 方法与思路
- 作者建立收入及项目进入模型，用现实参数校准模拟；比较匹配与处理前后等距取期的对称双重差分，并联系随机项目证据。
- 材料陈述的贡献
- 摘要称模型中匹配通常低估平均因果效应；选择偏差时间对称时，对称双重差分一致，非对称模拟中也表现较好。
- 阅读关注点
- 应核对选择偏差对称性的定义、收入动态和参与规则的设定，以及增加处理前结果与对称取期改善表现的适用条件。
- 阅读边界
- 仅据所给出版社摘要，比较结果依赖所设模型和校准；不能推断对称双重差分在所有项目中一致或普遍优于匹配。
原文摘要
Matching and Difference in Difference (DID) are two widespread methods that use pre-treatment outcomes to correct for selection bias. I detail the sources of bias of both estimators in a model of earnings dynamics and entry into a Job Training Program (JTP) and I assess their performances using Monte Carlo simulations of the model calibrated with realistic parameter values. I find that Matching generally underestimates the average causal effect of the program and gets closer to the true effect when conditioning on an increasing number of pre-treatment outcomes. When selection bias is symmetric around the treatment date, DID is consistent when implemented symmetrically—i.e. comparing outcomes observed the same number of periods before and after the treatment date. When selection bias is not symmetric, Monte Carlo simulations show that Symmetric DID still performs better than Matching, especially in the middle of the life-cycle. These results are consistent with estimates of the bias of Matching and DID from randomly assigned JTPs. Some of the virtues of Symmetric DID extend to programs other than JTPs allocated according to a cutoff eligibility rule.