A comparative analysis of two-way fixed effects estimators in staggered treatment designs
交错处理设计中双向固定效应估计量的比较分析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：摘要研究交错处理的因果效应估计，并直接比较双向固定效应与双重差分方法。
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
交错处理设计中双向固定效应估计量的比较分析
- 研究问题
- 在交错实施处理的设计中，扩展双向固定效应估计量如何关联双重差分，其目标参数包含哪些比较和剩余成分？
- 方法与思路
- 作者推导扩展 TWFE 与双重差分的连接方程，分解其估计目标，并用例子比较违反平行趋势时不同估计量的表现。
- 材料陈述的贡献
- 摘要称分解揭示有意义比较与残差项，并说明识别依赖跨多个时期的平行趋势；例子未支持某个估计量始终占优。
- 阅读关注点
- 应核对分解公式中各项的权重与含义、残差项何时消失，以及不同目标参数对应的多期平行趋势要求。
- 阅读边界
- 所给 OpenAlex 摘要未提供完整分解和识别假设；例示中的相对表现不能推出普遍排序，也不能推断后续版本变化。
原文摘要
Two-way fixed effects (TWFE) is a flexible and widely used approach for estimating treatment effects, and several TWFE estimators have been proposed for staggered treatment designs. This paper focuses on the extended TWFE estimator, introduced by Borusyak et al. (2024) and Wooldridge (2021), and compares it with alternative TWFE estimators. The main contribution is the derivation of an equation that connects the extended TWFE estimator with the difference-in-differences estimator. This equivalence provides a transparent decomposition of the components of the extended TWFE estimand. The results show that the extended TWFE estimand consists of two distinct components: one that captures meaningful comparisons and a residual term. The paper outlines the assumptions required to identify treatment effects. In line with previous literature, the findings show that the extended TWFE estimator relies on a parallel trends assumption that extends across multiple periods. Additionally, illustrative examples compare the TWFE estimators under violations of the parallel trends assumption. The results suggest that no single estimator outperforms the others. The choice of the TWFE estimator depends on the parameter of interest and the characteristics of the empirical application.