Inference with “Difference in Differences” with a Small Number of Policy Changes
少量政策变化下的双重差分推断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：摘要直接针对少量政策变化组下的双重差分处理效应检验与置信区间。
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…
少量政策变化下的双重差分推断
- 研究问题
- 当双重差分的识别仅来自少数群组的政策变化时，如何利用大量未变化群组进行推断，避免依赖大量政策变化组的渐近近似？
- 方法与思路
- 作者固定政策变化组数量，利用大量未变化组的信息，在任一点原假设下估计处理效应点估计量的渐近分布，并通过检验反演构造区间。
- 材料陈述的贡献
- 摘要称，即使处理效应点估计量不一致，仍可一致估计其在点原假设下的渐近分布，从而将点估计量用于检验和区间构造。
- 阅读关注点
- 应核对未变化组的信息为何能够用于政策变化组、分布估计所需条件，以及检验反演在有限政策变化组情形下的实施方式。
- 阅读边界
- 摘要未说明群组间可比性、依赖结构等具体条件，也未报告有限样本覆盖率；该方法不意味着处理效应点估计量变得一致。
原文摘要
In difference-in-differences applications, identification of the key parameter often arises from changes in policy by a small number of groups. In contrast, typical inference assumes that the number of groups changing policy is large. We present an alternative inference approach for a small (finite) number of policy changers, using information from a large sample of nonchanging groups. Treatment effect point estimators are not consistent, but we can consistently estimate their asymptotic distribution under any point null hypothesis about the treatment. Thus, treatment point estimators can be used as test statistics, and confidence intervals can be constructed using test statistic inversion. © 2011 The President and Fellows of Harvard College and the Massachusetts Institute of Technology.