Difference-in-Differences Designs: A Practitioner's Guide
双重差分设计：实务指南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：摘要围绕双重差分这一准实验因果研究设计及其估计量展开。
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…
双重差分设计：实务指南
- 研究问题
- 当双重差分研究超出两组两期的经典设计时，如何系统区分研究设计与估计量，并处理协变量、权重、多期和错位处理？
- 方法与思路
- 作者提供组织不同双重差分设计及其估计量的统一框架，围绕协变量、加权、多期数据和错位处理讨论实证方法的选择。
- 材料陈述的贡献
- 摘要明确贡献是整理复杂双重差分设计的概念框架，帮助研究者组织估计实践，并称该框架也适用于其他双重差分扩展。
- 阅读关注点
- 应核对各设计对应的目标参数、识别假设和权重解释，以及多期、错位处理时不同估计量的适用范围与实施建议。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实。摘要未列出具体识别条件或估计公式，也未声称提出新的识别定理。
原文摘要
Difference-in-differences (DiD) is arguably the most popular quasi-experimental research design. Its canonical form, with two groups and two periods, is well-understood. However, empirical practices can be ad hoc when researchers go beyond that simple case. This article provides an organizing framework for discussing different types of DiD designs and their associated DiD estimators. It discusses covariates, weights, handling multiple periods, and staggered treatments. The organizational framework, however, applies to other extensions of DiD methods as well.