An Effective Treatment Approach to Difference-in-Differences with General Treatment Patterns
一般处理模式下双重差分的有效处理方法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。
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：摘要核心是一般处理模式下双重差分的因果参数识别与双重稳健估计，直接对应因果推断方向。
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
一般处理模式下双重差分的有效处理方法
- 研究问题
- 当处理强度非二元且每期都可能变化、完整处理路径样本稀少时，如何构造可估计的双重差分处理效应参数？
- 方法与思路
- 作者引入有效处理概念，将完整处理路径概括为可实证操作的低维变量，并据此发展双重稳健的识别、估计和推断方法。
- 材料陈述的贡献
- 摘要提出应对一般处理路径稀疏性的替代分析框架，给出双重稳健方法，并提供配套 R 软件包；具体保证条件未展开。
- 阅读关注点
- 应核对低维路径概括保留何种因果信息、所需平行趋势条件，以及双重稳健涉及的两个模型和目标效应的解释。
- 阅读边界
- 所给版本为 arXiv 预印本，不能确认同行评审或期刊接收；摘要未说明路径压缩限制、具体识别假设和有限样本表现。
原文摘要
We consider a general difference-in-differences model in which the treatment variable of interest may be non-binary and its value may change in each period. It is generally difficult to estimate treatment parameters defined with the potential outcome given the entire path of treatment adoption, because each treatment path may be experienced by only a small number of observations. We propose an alternative approach using the concept of effective treatment, which summarizes the treatment path into an empirically tractable low-dimensional variable, and develop doubly robust identification, estimation, and inference methods. We also provide a companion R software package.