The Chained Difference-in-Differences
链式双重差分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：摘要直接研究不平衡面板中的双重差分、长期处理效应及错位处理时点。
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…
链式双重差分
- 研究问题
- 缺乏完整平衡面板、但多个不完整面板在时间上相互重叠时，如何利用这些数据识别、估计并推断长期二元处理效应？
- 方法与思路
- 作者将多个不完整面板上的短期处理效应聚合为链式双重差分，利用重叠结构处理多期、错位处理及一般缺失模式。
- 材料陈述的贡献
- 摘要称估计器允许处理效应异质性和基于可观测变量的样本选择，建立渐近性质，并讨论相对既有方法的识别与效率收益。
- 阅读关注点
- 应核对短期效应如何连接成长期目标、重叠结构需要满足什么条件，以及缺失和选择机制如何进入识别与效率比较。
- 阅读边界
- 这是 arXiv 预印本，同行评审和期刊接收未经核实。摘要未列出具体识别及缺失条件，允许一般缺失模式不意味着任意非随机缺失均可处理。
原文摘要
This paper studies the identification, estimation, and inference of long-term (binary) treatment effect parameters when balanced panel data is not available, or consists of only a subset of the available data. We develop a new estimator: the chained difference-in-differences, which leverages the overlapping structure of many unbalanced panel data sets. This approach consists in aggregating a collection of short-term treatment effects estimated on multiple incomplete panels. Our estimator accommodates (1) multiple time periods, (2) variation in treatment timing, (3) treatment effect heterogeneity, (4) general missing data patterns, and (5) sample selection on observables. We establish the asymptotic properties of the proposed estimator and discuss identification and efficiency gains in comparison to existing methods. Finally, we illustrate its relevance through (i) numerical simulations, and (ii) an application about the effects of an innovation policy in France.