Matched Triple-Differences: A Framework for Covariate Adjustment
匹配三重差分：协变量调整框架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：摘要直接讨论三重差分的 ATT 识别、条件平行差距与协变量调整。
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
匹配三重差分：协变量调整框架
- 研究问题
- 三重差分中，在三向固定效应回归加入协变量水平或趋势，是否能在条件平行差距假设下识别已处理者平均处理效应？
- 方法与思路
- 作者分析两种 OLS 估计目标的协变量平衡与额外假设，提出兼容最近邻及核匹配的框架，并构造计入匹配变异的方差估计。
- 材料陈述的贡献
- 摘要称，两种常见回归一般不一致；所提匹配估计量具有一致性与渐近正态性，应用中的估计和定性结论可与回归结果不同。
- 阅读关注点
- 应核对条件平行差距、协变量平衡及重叠条件的具体表述，检查匹配步骤、渐近条件和方差估计如何处理匹配引入的变异。
- 阅读边界
- 依据所给 arXiv v1 预印本摘要，不能据此声称已同行评审或期刊接收。摘要未完整列出识别与渐近条件，应用结论不同不等于已证实普遍优越。
原文摘要
A common empirical strategy in triple-differences (DDD) is to include either covariate trends or covariate levels to a three-way fixed effects (3WFE) regression. This strategy is typically motivated by the conditional parallel gaps assumption which assumes that deviations from parallel trends are similar among units with comparable observed covariates. We formally study both 3WFE specifications and show that, in general, neither consistently estimates the average treatment effect on the treated (ATT). Our diagnosis has two parts. First, we show that the OLS estimands of both specifications fail to satisfy the covariate balancing condition that is sufficient for them to equal the ATT. Second, we characterize the additional assumptions for each OLS estimand to equal the ATT. To address these limitations, we propose a matched triple-differences framework that accommodates a general class of matching procedures, including nearest-neighbor matching and kernel matching. Within this framework, we construct a class of consistent matching estimators, establish their asymptotic normality, and provide a consistent variance estimator that accounts for the variability introduced by the matching step. Our empirical application shows that the proposed matched triple-differences estimator can yield estimates and qualitative conclusions that differ from those obtained using the 3WFE regression.