跳到正文
← 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:摘要直接研究分期处理面板双重差分的异质性因果效应及一致置信带。

反馈分类问题

Doubly Robust Uniform Confidence Bands for Group-Time Conditional Average Treatment Effects in Difference-in-Differences

双重差分中组别—时期条件平均处理效应的双重稳健一致置信带

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
Shunsuke Imai
Lei Qin
Takahide Yanagi

双重差分中组别—时期条件平均处理效应的双重稳健一致置信带

研究问题
在分期处理的面板双重差分中,如何刻画处理效应随组别、时期及连续处理前协变量的变化,并对整条效应函数同时推断?
方法与思路
作者构造条件双重稳健估计目标,结合局部多项式与参数估计形成三步程序,再用经验过程近似和加权或乘子自助法构造置信带。
材料陈述的贡献
摘要称,在标准识别条件下可识别组别—时期条件平均处理效应,并为该函数及多种汇总参数提供双重稳健一致置信带和 R 包。
阅读关注点
应核对条件识别与重叠假设、双重稳健性对应的模型、带宽和偏差处理,以及自助法为何能保证协变量范围内的同时覆盖。
阅读边界
这是 arXiv 预印本,同行评审或期刊接收未核实。摘要未列出标准条件、带宽限制和有限样本结果,不能据此确认任意设定下的覆盖率。

原文摘要

We consider a panel data analysis to examine the heterogeneity in treatment effects with respect to groups, periods, and a pre-treatment covariate of interest in the staggered difference-in-differences setting of Callaway and Sant'Anna (2021). Under standard identification conditions, a doubly robust estimand conditional on the covariate identifies the group-time conditional average treatment effect given the covariate. Focusing on the case of a continuous covariate, we propose a three-step estimation procedure based on nonparametric local polynomial regressions and parametric estimation methods. Using uniformly valid distributional approximation results for empirical processes and weighted/multiplier bootstrapping, we develop doubly robust inference methods to construct uniform confidence bands for the group-time conditional average treatment effect function and a variety of useful summary parameters. The accompanying R package didhetero allows for easy implementation of our methods.

笔记与分组