Doubly Robust Estimation of Treatment Effects in Staggered Difference-in-Differences with Time-Varying Covariates
时变协变量下交错双重差分处理效应的双重稳健估计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：摘要明确研究交错双重差分、时变协变量及组别时期处理效应，属于面板因果效应估计。
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
时变协变量下交错双重差分处理效应的双重稳健估计
- 研究问题
- 交错采用处理且协变量随时间变化时，如何在逐期条件平行趋势下估计组别与时期的受处理者平均效应，并汇总动态效应？
- 方法与思路
- 作者要求协变量不受处理影响但允许其改变未处理结果趋势，提出增广逆概率加权及增广逆方差加权，并以影响函数推断。
- 材料陈述的贡献
- 摘要称两类估计均双重稳健且渐近正态；逆方差版本在部分特殊情形有效率优势，逆概率版本计算更高效，并提供政策应用。
- 阅读关注点
- 应核对逐期条件平行趋势、双重稳健所对应的模型组合，以及聚合效应权重、效率结论和协变量不受处理影响的合理性。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收均未核实；摘要未给出完整识别和正则条件，统计效率优势仅声称适用于部分情形。
原文摘要
With staggered adoption, difference-in-differences (DiD) analyses define the average treatment effect on the treated (ATT) at the group-period level and aggregate it into groupwise, periodwise, dynamic, and overall effects. We study a period-by-period version of conditional parallel trends, with covariates unaffected by treatment while allowing covariates to shift the trends in untreated potential outcomes. We propose an augmented inverse probability weighting (AIPW) estimator and an augmented inverse variance weighting (AIVW) generalization. Both are doubly robust and asymptotically normal, with closed-form influence-function-based inference for all group-period and aggregated ATTs. AIVW is statistically efficient in some special cases, while AIPW is computationally more efficient. We illustrate the methods with the staggered provincial adoption of a parallel college admission mechanism in China and its effect on justified envy.