Semiparametric Bayesian Difference-in-Differences
半参数贝叶斯双重差分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。
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：摘要以双重差分设计下的 ATT 及双重稳健推断为核心。
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…
半参数贝叶斯双重差分
- 研究问题
- 如何在双重差分设计下对已处理者平均处理效应进行贝叶斯推断，同时使后验推断具备频率学有效性？
- 方法与思路
- 作者提出控制组条件均值的高斯过程先验回归，以及调整先验并校正 ATT 后验的双重稳健程序，建立相应 BvM 定理。
- 材料陈述的贡献
- 摘要称两种方法具有频率学有效性，模拟与应用显示良好的有限样本表现，并扩展至聚类数据和多期错位进入情形。
- 阅读关注点
- 应核对双重差分识别条件、先验与后验校正方式、BvM 定理的收敛要求，以及聚类和错位进入扩展的具体目标参数。
- 阅读边界
- 这是 arXiv 预印本，不能据此声称已同行评审或期刊接收。摘要未列出识别及定理条件，也未提供有限样本表现的数值。
原文摘要
This paper studies semiparametric Bayesian inference for the average treatment effect on the treated (ATT) within the difference-in-differences (DiD) research design. We propose two new Bayesian methods with frequentist validity. The first one is the semiparametric Bayesian outcome regression, where we place a Gaussian process prior on the conditional mean function of the control group. The second method is a doubly robust Bayesian procedure that adjusts the prior distribution of the conditional mean function and subsequently corrects the posterior distribution of the resulting ATT. We prove new semiparametric Bernstein-von Mises (BvM) theorems for both proposals. Monte Carlo simulations and an empirical application demonstrate that the proposed Bayesian DiD methods exhibit strong finite-sample performance. We also present extensions of the canonical DiD approach, incorporating clustered data and staggered entry with multiple periods.