Difference-in-differences with interference
存在干扰时的双重差分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：摘要明确讨论邻居处理引起的干扰及 DID 直接处理效应识别。
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
存在干扰时的双重差分
- 研究问题
- 当潜在结果同时受到自身与邻居处理影响时，传统双重差分识别什么？如何识别并推断已处理单位的直接平均处理效应？
- 方法与思路
- 作者在修正的平行趋势假设下构造双重稳健估计量，允许空间相关分配，并采用有限总体条件推断框架。
- 材料陈述的贡献
- 摘要称，传统 DID 通常无法识别关注的效应；所提方法纳入干扰，并进一步放宽即时邻域干扰和溢出函数正确设定限制。
- 阅读关注点
- 应核对直接效应的定义、修正平行趋势与双重稳健的具体要求，以及放宽干扰限制后识别和稳健推断如何成立。
- 阅读边界
- 所给出版社摘要未说明干扰范围、溢出函数放宽方式及渐近条件；不能据此判断任意邻域结构下均可识别。
原文摘要
In many scenarios, such as the evaluation of place-based policies, potential outcomes depend not only on the unit’s own treatment but also on its neighbors’ treatments. Despite this, “difference-in-differences” (DID) type estimators typically ignore such interference among neighbors. I show in this paper that the canonical DID estimators generally fail to identify interesting causal effects in the presence of neighborhood interference. To incorporate interference structure into DID estimation, I propose doubly robust estimators for the direct average treatment effect on the treated under a modified parallel trends assumption. I allow spatially correlated assignments, and later relax common restrictions in the literature, such as immediate neighborhood interference and correctly specified spillover functions. Moreover, this paper focuses on a finite-population conditional-inference framework. Robust inference is discussed based on the asymptotic distribution of the proposed estimators.