Difference‐in‐Differences With a Misclassified Treatment
处理状态误分类下的双重差分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。
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：摘要直接围绕双重差分、处理状态误分类和潜在受处理群体的平均处理效应展开，属于因果识别与估计。
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
处理状态误分类下的双重差分
- 研究问题
- 当观察到的处理状态存在差异性或内生误测时，双重差分如何识别并估计潜在真实受处理群体的平均处理效应？
- 方法与思路
- 作者针对单侧误分类提出两步估计方法，通过部分可观测 probit 模型中的一个排除限制，对潜在处理效应参数进行点识别。
- 材料陈述的贡献
- 摘要称，该方法可校正处理状态的单侧误分类，并以印度养老金少报和项目错误定向两个全国性项目展示实际应用。
- 阅读关注点
- 应核对单侧误分类的方向、排除变量的有效性、部分可观测模型限制，以及潜在处理群体的双重差分识别条件和两步推断。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断排除限制为何成立、误分类模型如何设定及效应数值；也不能推断其适用于双侧误分类。
原文摘要
ABSTRACT This paper studies identification and estimation of the average treatment effect of a latent treated subpopulation in difference‐in‐difference designs when the observed treatment is differentially (or endogenously) mismeasured for the truth. Common examples include misreporting and mistargeting. We propose a two‐step estimator that corrects for the empirically common phenomenon of one‐sided misclassification in the treatment status. The solution uses a single exclusion restriction embedded in a partial observability probit to point identify the latent parameter. We demonstrate the method by revisiting two large‐scale national programs in India: one where pension benefits are underreported and second where the program is mistargeted.