A Local Projections Approach to Difference‐in‐Differences
基于局部投影的双重差分方法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：摘要直接提出处理与对照单位的动态双重差分估计，关联因果推断和面板政策评价。
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…
基于局部投影的双重差分方法
- 研究问题
- 如何用局部投影构造双重差分估计，处理负权重可能引发的偏差，并适应不同目标参数和可退出的处理状态？
- 方法与思路
- 作者将局部投影与灵活的“干净对照”条件结合，选择处理和对照单位，并允许不同权重、标准化方案及协变量扩展。
- 材料陈述的贡献
- 摘要称 LP-DiD 涵盖多种已有解决方案，实施简单快捷；模拟和两个应用显示其在常见应用设定下表现良好。
- 阅读关注点
- 核对干净对照的具体定义、识别条件及动态样本选择，并确认权重和标准化如何对应目标效应及非吸收处理情形。
- 阅读边界
- 仅据所给 Crossref 摘要解读，未核验刊本变化；识别假设、推断方法及模拟范围未说明，不能据此保证所有 DiD 场景有效。
原文摘要
ABSTRACT We propose a local projections (LPs)‐based difference‐in‐differences (DiD) approach that subsumes many of the recent solutions proposed in the literature to address possible biases arising from negative weighting. We combine LPs with a flexible “clean control” condition to define appropriate sets of treated and control units. Our proposed LP‐DiD estimator can be implemented with various weighting and normalization schemes for different target estimands, can be extended to include covariates or accommodate nonabsorbing treatment, and is simple and fast to implement. A simulation and two empirical applications demonstrate that the LP‐DiD estimator performs well in common applied settings.