A Short Note on Event-Study Synthetic Difference-in-Differences Estimators
事件研究型合成双重差分估计量简论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：摘要直接研究错位处理实施下的 SDID 动态效应及跨时期差异，因此对应因果推断与面板数据。
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
事件研究型合成双重差分估计量简论
- 研究问题
- 在单一实施时点和错位实施设计中，如何将合成双重差分的总体估计拆分为动态处理效应，并形成事件研究表达？
- 方法与思路
- 作者将 SDID 估计量分解为动态效应估计，比较处理组与合成控制组的滞后结果差异，并以处理前平均差异作基准。
- 材料陈述的贡献
- 摘要提出适用于简单与错位实施设计的 SDID 事件研究扩展，并说明可使用 sdid_event Stata 包计算相关估计量。
- 阅读关注点
- 应核对动态效应的目标量、各时期与处理批次的权重、处理前基准，以及因果识别和标准误计算所需条件。
- 阅读边界
- 所据为 arXiv 预印本，同行评审及期刊接收均未核实；摘要未提供识别假设、推断细节或软件版本与运行验证。
原文摘要
I propose an event study extension of Synthetic Difference-in-Differences (SDID) estimators. I show that, in simple and staggered adoption designs, estimators from Arkhangelsky et al. (2021) can be disaggregated into dynamic treatment effect estimators, comparing the lagged outcome differentials of treated and synthetic controls to their pre-treatment average. Estimators presented in this note can be computed using the sdid_event Stata package.