Heterogeneous causal effects of neighborhood policing in New York City with staggered adoption of the policy
在纽约市，2015-2018年在警察分局一级采用了邻里警务，这对（1）评估政策的影响，以及（2）了解哪些类型的社区受政策影响最大，提出了异质处理效应的问题。我们开发了新的统计方法，是强大的不可测量的混杂偏见，研究在社区层面上实施的政策的因果关系的影响。我们发现，邻里警务减少了城市某些地区的自由裁量逮捕，但对犯罪或逮捕率的种族差异几乎没有影响。
2023-01-23 stat.ME
A Design-Based Matching Framework for Staggered Adoption with Time-Varying Confounding
Department of Statistics, Seoul National University（首尔大学统计系）
本文提出了一种基于设计的匹配框架，用于分析面板数据中组别和时间特定的治疗效应，通过反向时间嵌套匹配算法评估Netflix订阅对IPTV观看时间及VoD使用的影响。
2025-11-28 stat.ME
Efficient Estimation for Staggered Rollout Designs
研究交错推广设计中的因果效应估计，推导出包含多种广义双重差分方法的最有效估计量，其可行插件版本渐近无偏且效率优于现有方法，并提供t检验和置换检验推断方法，实际应用中置信区间显著缩短。
2023-05-16 econ.EM math.ST stat.TH
A Generalized Difference-in-Differences Estimator for Randomized Stepped-Wedge and Observational Staggered Adoption Settings
Department of Biostatistics, Yale School of Public Health（耶鲁公共卫生学院生物统计学系）
针对随机阶梯楔形试验和观察性交错采纳研究，提出一种基于2×2双重差分加权平均的非参数估计方法，以灵活、无偏地估计目标处理效应，并平衡偏差-方差-泛化性权衡。
2024-10-11 stat.AP stat.ME
A Fixed-Effects Causal Forest for Staggered Adoption, with an Application to Medicaid Expansion
Amazon Web Services（亚马逊云服务）
研究交错采用的协变量条件平均治疗效果估计问题，提出用固定效应因果森林估计，在每个树节点内差分单位和时期效应消除混杂，蒙特卡罗实验验证其有效性，应用于医疗补助扩展取得未参保率下降等成果。
2026-07-28 econ.EM stat.ML
Risk-Set Transported Synthetic Control with Difference-in-Differences Adjustment under Staggered Treatment Adoption
University of Calgary（卡尔加里大学）
针对交错处理下供体集收缩问题，提出RT-SC-DiD方法，通过向转移参考收缩权重并加双重差分校正，降低反事实估计误差，实验验证其有效性。
2026-09-18 cs.AI econ.EM q-fin.ST
Doubly Robust Estimation of Treatment Effects in Staggered Difference-in-Differences with Time-Varying Covariates
Fred Hutchinson Cancer Center（弗雷德·哈钦逊癌症中心）；Shanghai University of Finance and Economics（上海财经大学）
本文提出双重鲁棒估计器，用于估计 staggered 差异-in-差异中时间变化协变量的处理效应，通过非参数方法解决负权重问题，并通过模拟和实证研究验证其有效性。
2026-10-01 econ.EM stat.ME
Randomization Tests in Observational Studies with Staggered Adoption of Treatment
本文考虑了随时间变化的采用治疗的观察性研究中的推理问题。除了潜在结局独立于单位采用治疗的时间（以单位观察到的特征为条件）的不混淆性假设外，我们的分析还假设每个单位采用治疗的时间遵循考克斯比例风险模型。该假设允许每个单元采用治疗的时间取决于单元的观察特性，但施加了多个单元同时采用治疗的概率为零的限制。在这种情况下，我们研究了零假设的Fisher式随机化检验，该零假设规定在分布意义上所有单位和所有时间段都没有处理效应。我们首先表明，一个不可行的测试，将Cox模型的参数作为已知的拒绝概率不大于标称水平在有限样本。然后，我们建立了可行的测试，取代这些参数与相合估计量的限制拒绝概率不大于标称水平。在模拟研究中，我们研究了我们的理论结果的实际相关性，包括鲁棒性，在每个单元采用治疗的时间模型的误指定。最后，我们提供了一个实证应用，我们的方法使用综合控制为基础的检验统计量和烟草立法数据发现Abadie等。（2010）。
2021-08-25 stat.AP stat.ME
Decomposing Triple-Differences Regression under Staggered Adoption
本文将交错采用情境下的三重差分回归估计量分解为多个 2x2x2 三重差分，揭示其因果解释需依赖强效应同质性假设，并提出仅使用干净安慰剂的直接插补方法作为更合适的替代方案。
2023-07-09 stat.ME
Understanding Difference-in-differences methods to evaluate policy effects with staggered adoption: an application to Medicaid and HIV
本文系统梳理了适用于多年交错政策采用情境的双重差分方法最新扩展及其与线性模型的关系，并以美国医疗补助扩展对HIV感染者护理保留的影响为例，阐明识别与估计受处理者平均处理效应所需的假设，为公共卫生研究中的方法选择提供指导。
2024-02-19 stat.ME
Bayesian Estimation of Cohort-Time-Stratum Specific Effects in Staggered Difference-in-Differences
本文提出了一种概率框架，用于估计在队列、时期和基线协变量定义的组别中变化的高维ATT数组，通过统一的似然模型联合估计子组特定的治疗效应，从而在稀疏的队列-时间-组别设置中稳定推断。
2026-05-21 econ.EM stat.ME
Synthetic Control Inference for Staggered Adoption
Northeastern University（东北大学）；Harvard Business School（哈佛商学院）；Fudan University（复旦大学）
本文针对交错采纳的政策（如董事会性别多样性政策）提出合成控制方法，利用政策交错采纳的变异估计动态平均处理效应，通过欧洲劳动力数据实证发现该监管提升女性专业人员全职就业。
2025-11-15 econ.EM
Model-assisted inference for dynamic causal effects in staggered rollout cluster randomized experiments
Mississippi State University（密西西比州立大学）；Yale School of Public Health（耶鲁公共卫生学院）
本文提出了一种基于模型辅助方法的回归估计器，用于处理分阶段 rollout 集群随机实验中的动态因果效应，并证明了其在效率上的优势。
2026-01-29 stat.ME
Testing for equivalence of pre-trends in Difference-in-Differences estimation
Ruhr University Bochum（波鸿鲁尔大学）；Maastricht University（马斯特里赫特大学）
本文提出双重差分估计中预趋势等价性检验，帮助研究者验证平行趋势假设，提升处理效应估计的可信度。
2025-12-17 econ.EM math.ST stat.TH
Time-Varying Causal Survival Learning
本研究填补交错采纳设计与生存分析的空白，结合双重机器学习方法估计时变处理的因果效应，有效减少偏差并提升效率。
2025-03-02 stat.ME
Distributional Difference-in-Differences: Aggregation Before or After Quantile Inversion?
University at Albany - State University of New York（纽约州立大学奥尔巴尼分校）
研究交错分布双重差分中分位数处理效应的两种聚合方式，证明聚合顺序影响估计目标与符号，需在反转前确定。
2026-09-24 econ.EM stat.AP stat.ME
Uncertainty Quantification in Synthetic Controls with Staggered Treatment Adoption
本文提出了一种针对交错处理采用设置下合成控制预测的置信度量化方法，通过提供非渐近覆盖概率保证、支持非线性约束、引入稳健锥优化及数据驱动调参，实现了跨处理后时期的有效一致推断。
2025-02-01 econ.EM stat.AP stat.CO
Staggered Adoption DiD Designs with Misclassification and Anticipation
Faculty of Economics and Business, Goethe University Frankfurt（法兰克福歌德大学经济与商学院）
本文提出改进的DiD方法以应对阶梯式采用设计中的误分类和预期问题，通过修改估计量和规范检验来提高治疗效应估计的准确性。
2025-12-23 econ.EM
Difference-in-Differences with Multiple Time Periods
在这篇文章中，我们考虑使用双重差分法（DiD）的处理效应参数的识别，估计和推断程序（i）多个时间段，（ii）治疗时间的变化，以及（iii）当“平行趋势假设“可能仅在对观察到的协变量进行调节后才成立。我们发现，一个家庭的因果效应参数被确定在交错的DiD设置，即使观察到的特征的差异创建组之间的非平行的结果动态。我们的识别结果允许一个使用结果回归，逆概率加权，或双鲁棒被估量。我们还提出了不同的汇总方案，可用于突出不同维度的处理效应异质性，以及总结参与治疗的总体效果。我们建立的估计量的渐近性质，并证明了有效的计算方便的引导程序进行渐近有效的同时（而不是逐点）的推断。最后，我们通过分析2001- 2007年最低工资对青少年就业的影响来说明我们提出的工具的相关性。开源软件可用于实现所提出的方法。
2020-12-01 econ.EM math.ST stat.AP
Staggered Rollout Designs Enable Causal Inference Under Interference Without Network Knowledge
随机化实验被广泛用于估计各种领域的因果效应。然而，经典的因果推断方法依赖于关键的独立性假设，当一个个体的治疗影响其他个体的结果时，网络干扰会违反这些假设。所有现有的方法都需要至少近似的网络知识，这可能是不可用的和昂贵的collect.We认为估计总处理效应（TTE）的任务，或平均差异的结果时，整个人口进行治疗与当整个人口未治疗。通过利用交错推出设计，其中治疗是递增地给予随机子集的个人，我们得到无偏估计量TTE不依赖于任何先验结构知识的网络，只要网络干扰的影响被约束到低程度的个人邻居之间的相互作用。我们推导出的估计量的方差上的界限，我们在实验中表明，我们的估计对模拟数据的基线表现良好。我们的理论贡献的核心是交错推出的意见和多项式外推之间的连接。
2022-10-14 cs.SI stat.ME
Difference-in-Differences Designs: A Practitioner's Guide
本文针对经典双重差分（DiD）设计之外实证实践随意的问题，提出组织框架梳理各类DiD设计与估计量，涵盖协变量、权重等内容，且可推广至DiD方法的其他扩展。
2025-06-17 econ.EM stat.ME
Design-Robust Event-Study Estimation under Staggered Adoption Diagnostics, Sensitivity, and Orthogonalisation
University of Exeter（埃克塞特大学）
本文提出了一种在 staggered 采用下设计鲁棒的事件研究估计方法，通过精确概率极限、可计算设计诊断和敏感性鲁棒推断，减少高维干扰估计偏差，适用于金融和计量经济学应用。
2026-01-14 econ.EM econ.GN q-fin.CP
Emulating Stepped-Wedge Cluster Randomized Trials to Evaluate Health Policies and Interventions
Yale School of Medicine（耶鲁医学院）；Yale School of Public Health（耶鲁公共卫生学院）
本文提出通过目标试验模拟框架模拟阶梯集群随机试验，以解决观察性研究中阶梯采用方法分析的挑战，强调政策异质性和时间变效应，并促进随机试验与准实验设计的跨学科交流。
2026-04-14 econ.EM stat.ME
Cohort-Anchored HonestDiD
University of California, Berkeley（加州大学伯克利分校）
针对交错采用事件研究中跨队列聚合推断受预趋势异质性误导的问题，本文提出队列—时期层面的队列锚定框架，并用可可逆分解的区块偏差构建透明稳健推断。
2026-10-28 econ.EM stat.ME
With great power (prices) comes great tail pipe emissions? \\ A natural experiment of electricity prices and electric car adoption
本文利用挪威2021-2022年南北电力价格差异的自然实验，通过双重差分模型发现高价区电动汽车购买概率降低2-4%，反事实模拟显示高价南方少售约3000-6000辆。
2023-04-04 econ.GN q-fin.EC stat.AP
Two-way fixed effects instrumental variable regressions in staggered DID-IV designs
本文研究交错DID-IV设计中TWFEIV估计量的性质，证明其可分解为所有双组双期Wald-DID估计量的加权平均，并强调因果解释需依赖工具变量对处理与结果的稳定效应。
2024-05-26 econ.EM
Consistency of an Intercept-Shifted Synthetic-Control Estimator under Weighted Parallel Trends
本文提出截距平移合成控制估计量，在加权平行趋势和温和正则条件下证明其一致性，允许重尾冲击，并扩展了有效数据生成过程池。
2025-08-07 math.ST stat.ME stat.TH
Treatment Effects in Staggered Adoption Designs with Non-Parallel Trends
本文提出在交错处理采纳且未处理潜在结果遵循交互固定效应模型时，利用处理时点变异构造额外矩条件来识别因果效应参数，无需大量时间期数或额外排除性限制。
2023-08-05 econ.EM
Estimating Treatment Effects Under Bounded Heterogeneity
Brown University（布朗大学）；University College London（伦敦大学学院）；CEMFI
本文提出regulaTE估计器，在治疗效应异质性有界条件下生成考虑异质性的置信区间，通过调整界使敏感性分析适用于非恒定效应的实证应用。
2026-08-27 econ.EM stat.ME
Balanced Twins: Causal Inference on Time Series with Hidden Confounding
Aix Marseille University（艾克斯-马赛大学）；EDF R&D（法国电力集团研发中心）
提出神经框架同时学习个体时间序列的低维潜在表示和倾向得分，通过灵活匹配恢复反事实，估计处理组的平均处理效应，适用于交错干预和隐藏混杂场景。
2026-06-23 cs.MS stat.ME stat.ML
Interpreting Event-Studies from Recent Difference-in-Differences Methods
Brown University（布朗大学）
本文探讨了近期差分-in-差分方法生成的事件研究图与传统TWFE方法的差异，并提出解释和应用建议。
2026-01-16 econ.EM stat.ME
Doubly Robust Uniform Confidence Bands for Group-Time Conditional Average Treatment Effects in Difference-in-Differences
本文在交错双重差分设定下，提出基于局部多项式回归的三步估计与双重稳健推断方法，为连续协变量下的组-时期条件平均处理效应函数构建统一置信带，并提供了R包didhetero便于实现。
2025-07-15 econ.EM stat.ME
Learning the Effect of Persuasion via Difference-In-Differences
Pennsylvania State University（宾夕法尼亚州立大学）；Columbia University（哥伦比亚大学）
该研究提出双重差分框架，引入向前、向后平均说服率，结合GMM等方法，验证了其在分阶段课程改革中的实用性。
2026-08-31 econ.EM stat.ME
Identification and Estimation of Staggered Difference-in-Differences with Network Spillovers
Graduate School of Economics, University of Tokyo（东京大学大学院经济学研究科）
本文提出了一种处理 staggered 政策采纳的 DID 框架，考虑了单位间的影响。通过分离自身采纳效应、溢出效应和总效应，利用预设的溢出暴露总结和基线与目标日期的平行趋势比较进行识别。
2026-09-02 econ.EM
An Effective Treatment Approach to Difference-in-Differences with General Treatment Patterns
本文针对一般处理模式下非二元且时变的差分中差分模型，提出以有效处理概念将处理路径降维，并构建双重稳健的识别、估计与推断方法，同时提供配套R软件包。
2023-05-29 econ.EM stat.ME
Difference-in-Differences for Health Policy and Practice: A Review of Modern Methods
本文综述了健康政策研究中双重差分法的现代进展，重点讨论平行趋势假设的检验与放宽、交错处理时间的估计方法以及稳健推断，旨在帮助研究者避免传统 DiD 的常见陷阱并正确应用新方法。
2024-08-08 econ.EM stat.AP
Forests for Differences: Robust Causal Inference Beyond Parametric DiD
Institute of Mathematics and Computer Sciences at University of São Paulo, Brazil（巴西圣保罗大学数学与计算机科学学院）
本文提出非参数DiD-BCF模型，通过基于PTA的重新参数化统一估计ATE、GATE和CATE，并在模拟及美国最低工资政策应用中展现出处理非线性、选择偏差与效应异质性的优势。
2025-06-09 cs.LG stat.ME stat.ML
Machine Learning for Staggered Difference-in-Differences and Dynamic Treatment Effect Heterogeneity
本文提出机器学习双重差分（MLDID）方法，结合非参数DID扩展至交错采纳情境，估计时变条件平均处理效应，模拟验证其准确性，并应用于巴西家庭健康计划，发现贫困和城市地区受影响更快。
2023-10-18 econ.EM
Beyond Parallel Trends in Staggered Difference-in-Differences: Identification under Higher-Order Parallelism
Centre for Health Economics, University of York（约克大学健康经济中心）
本文提出高阶平行性假设层次，替代传统平行趋势假设，在交错双重差分设计中实现队列特定和平均处理效应的点识别，并证明聚合定理。
2026-07-29 econ.EM
Partial Homogeneity in Staggered Difference-in-Differences
Ashoka University（阿肖卡大学）
该研究针对交错双重差分法中处理效应的异质性问题，采用狄利克雷过程混合先验提出部分同质性估计方法，可在无偏的同时提升效率，在模拟与实际应用中均表现良好。
2026-08-11 econ.EM
Two-stage differences in differences
最近的文献表明，当治疗的采用是交错的，并且平均处理效应在各组之间和随着时间的推移而变化时，差异中差异回归不能识别治疗的典型效果的容易解释的测量。在本文中，我从两个方面扩展了这一文献。首先，我提供了一些简单的基本直觉，说明为什么差中差回归不能识别组$\times$周期平均处理效应。其次，我提出了一个替代的两阶段估计框架，由这种直觉的动机。在该框架中，在第一阶段从未治疗观察的样本中识别组和周期效应，在第二阶段通过比较治疗和未治疗的结果，在去除这些组和周期效应后，识别平均处理效应。两阶段方法对交错实施下的治疗效果异质性具有稳健性，可用于识别大量不同的平均处理效应指标。它也是简单、直观和易于实现的。我建立的两阶段的方法的理论属性，并证明其有效性和适用性，使用蒙特卡洛证据和文献中的一个例子。
2022-07-13 econ.EM
Synthetic Difference In Differences Estimation
在本文中，我们描述了Arkhangelsky等人（2021）的合成双重差分法（SDID）估计器在Stata中的计算实现。合成双重差分法可用于需要对某些特定策略或事件的处理效应，并且可随时间对处理和未处理单元进行重复观察的广泛情况。我们列出了SDID的理论基础，无论是当有一个单一的治疗采用日期，当采用交错随着时间的推移，并讨论在这些情况下的估计和推断。我们介绍了在Stata中实现这些方法的sdid命令，并提供了一些使用示例，讨论了估计，推理和结果的可视化。
2023-02-13 econ.EM
Doubly robust local projections difference-in-differences
Universidade Federal de Pelotas（佩洛塔斯联邦大学）；Universidade Federal de Santa Catarina（圣卡塔琳娜联邦大学）
本文提出了一种双重稳健的局部投影差分-in-差分方法，用于 staggered 吸收处理。该方法在 outcome 模型或 treatment-probability 模型正确指定时保持一致性，并提供后处理总结的影响函数推断和动态路径的乘数 bootstrap 带。
2026-04-29 econ.EM
Better Understanding Triple Differences Estimators
本文揭示常见三重差分实现方式在需协变量调整或交错采纳设定下可能无效或有偏，并提出回归调整、逆概率加权和双重稳健估计量以提升推断有效性。
2025-07-18 econ.EM
A Short Note on Event-Study Synthetic Difference-in-Differences Estimators
该研究提出合成双重差分（SDID）估计量的事件研究扩展方法，证明Arkhangelsky等人（2021）的估计量可分解为动态处理效应估计量，且可通过sdid_event Stata包实现计算。
2024-11-01 econ.EM
Triple Instrumented Difference-in-Differences
本文提出三重工具变量双重差分法，通过结果与处理的DDD估计量之比识别处理组的局部平均处理效应，并扩展至交错工具情形，给出估计与推断方法。
2025-01-24 econ.EM
Sequential Synthetic Difference in Differences
针对交错采用处理且平行趋势失效的事件研究，提出序贯合成双重差分估计量，通过迭代插补构建反事实，并证明其渐近等价于预言机OLS，提供稳健且高效的推断方法。
2025-06-18 econ.EM
Instrumented Difference-in-Differences with Heterogeneous Treatment Effects
Yale University（耶鲁大学）
本文提出了一种新的仪器差分-in-差分方法，用于估计异质处理效应，并通过英国教育回报的实证研究展示其有效性。
2026-10-26 econ.EM
Difference-in-Differences Estimation with Spatial Spillovers
针对地理边界分配处理时空间溢出导致经典双重差分估计有偏的问题，提出潜在结果框架分解偏差、给出非参数识别条件和半参数估计方法，并通过重分析三项地方干预验证溢出效应的重要性。
2023-06-10 econ.EM
Distributional Difference-in-Differences Models with Multiple Time Periods
本文针对交错处理的非实验场景，推广现有QTT估计量以恢复处理组未处理潜在结果的整体分布，还提出无需秩不变假设的分布分位数汇总方法，模拟验证其性能随样本量增大显著提升。
2025-05-21 econ.EM
Difference-in-Differences with Multiple Events
本文针对交错双重差分设计中第二事件造成的遗漏偏差，提出两阶段DiD方法，并应用于最低工资对青少年就业的影响，发现ACA医疗补助扩展使短期估计减少三分之二。
2025-01-21 econ.EM
Difference-in-differences with "bad controls"
University of Georgia（佐治亚大学）；Vanderbilt University（范德堡大学）；University of Alabama at Birmingham（阿拉巴马大学伯明翰分校）
本文针对不良控制变量情形改进双重差分法，推导相关条件并开发两类估计量，扩展至交错式处理场景并应用于失业对收入影响的研究。
2026-09-03 econ.EM
Good Controls Gone Bad: Difference-in-Differences with Covariates
Carleton University（卡尔顿大学）
本文指出时变协变量下标准DID估计需满足双向CCC假设，并提出DID-INT估计量，在假设违背、异质性效应与交错处理情形下无偏识别ATT。
2026-10-22 econ.EM
Crises Do Not Cause Lower Short-Term Growth
人们通常认为，金融危机“导致”一个国家在两年衰退期内的增长率下降，这可以从危机后的国内生产总值增长中反映出来。然而，通过对比因果模型与标准预测模型，本文认为，这样的信念是非因果的。为了进行因果推断，我们设计了一个两阶段交错差异模型来估计平均处理效应。将残差解释为每次危机对处理效应的贡献，我们得出结论，横截面危机往往仅限于为政策制定者提供相关的因果信息。
2022-11-11 econ.EM
