Better Understanding Triple Differences Estimators
更好地理解三重差分估计量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：摘要直接研究三重差分、平行趋势与分期处理下的效应识别及估计，属于因果推断。
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…
更好地理解三重差分估计量
- 研究问题
- 在识别需要控制协变量或处理分期实施时，常见三重差分做法为何可能失效，如何构造有效的替代估计？
- 方法与思路
- 作者在协变量调整的三重差分平行趋势下构造回归调整、逆概率加权和双重稳健估计，并使用多个比较组。
- 材料陈述的贡献
- 摘要指出两个双重差分之差、三向固定效应及某些比较组汇总的偏差问题，报告替代方法的模拟和应用改善。
- 阅读关注点
- 应核对目标效应、协变量调整的平行趋势、分期实施下比较组资格，以及双重稳健性与多比较组推断条件。
- 阅读边界
- 这是预印本，同行评审及接收未核实。摘要未提供具体识别条件与偏差公式，不能概括为所有传统三重差分均无效。
原文摘要
Triple Differences (DDD) designs are widely used in empirical work to relax parallel trends assumptions in Difference-in-Differences (DiD) settings. This paper highlights that common DDD implementations -- such as taking the difference between two DiDs or applying three-way fixed effects regressions -- are generally invalid when identification requires conditioning on covariates. In staggered adoption settings, the common DiD practice of pooling all not-yet-treated units as a comparison group can introduce additional bias, even when covariates are not required for identification. These insights challenge conventional empirical strategies and underscore the need for estimators tailored specifically to DDD structures. We develop regression adjustment, inverse probability weighting, and doubly robust estimators that remain valid under covariate-adjusted DDD parallel trends. For staggered designs, we demonstrate how to effectively utilize multiple comparison groups to obtain more informative inferences. Simulations and three empirical applications highlight bias reductions and precision gains relative to standard approaches. A companion R package is available.