Triple Instrumented Difference-in-Differences
三重差分工具变量设计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：摘要直接结合三重差分、工具变量和单调性来识别局部平均处理效应，并讨论交错实施设计，因此归入因果推断。
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
三重差分工具变量设计
- 研究问题
- 如何将三重差分与工具变量结合，使结果和处理的三重差分之比具有局部因果效应解释，并推广至工具交错实施情形？
- 方法与思路
- 作者形式化三重 DID-IV，以结果的 DDD 除以处理的 DDD 构造 Wald 型估量，在单调性和处理、结果共同加速度假设下讨论识别。
- 材料陈述的贡献
- 摘要称，该比值识别处理组的局部平均处理效应，论文还扩展至工具变量交错实施，并说明实际估计与推断方法。
- 阅读关注点
- 应核对共同加速度假设的精确定义、局部处理组及顺从者范围，以及交错实施下的比较组、聚合权重与推断步骤。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要仅概述主要假设，未说明完整识别条件、工具强度要求和有限样本表现。
原文摘要
In this paper, we formalize a triple instrumented difference-in-differences (DID-IV). In this design, a triple Wald-DID estimand, which divides the difference-in-difference-in-differences (DDD) estimand of the outcome by the DDD estimand of the treatment, captures the local average treatment effect on the treated. The identifying assumptions mainly comprise a monotonicity assumption, and the common acceleration assumptions in the treatment and the outcome. We extend the canonical triple DID-IV design to staggered instrument cases. We also describe the estimation and inference in this design in practice.