Design-based Analysis in Difference-In-Differences Settings with Staggered Adoption
Stanford University（斯坦福大学）
本文研究了面板数据下平均处理效应的估计和推断。我们专注于单位的设置，例如，个人、公司或国家在某一特定时间点采取有关利益的政策或待遇，然后在此后的任何时候都暴露于这种待遇之下。我们采取设计的角度来看，我们调查的属性估计和程序的假设分配过程。我们证明了在随机分配的采用日期的标准双重差分法估计是一个无偏估计的一个特定的加权平均因果效应。我们刻画了这个估计量的性质，并证明了标准方差估计量是保守的。
2018-09-01 cs.LG econ.EM math.ST
Design-Based Anytime-Valid Inference for Randomized Experiments with Delayed Outcomes and Staggered Entry
Netflix（网飞）；Cornell University（康奈尔大学）
针对在线实验中结果延迟和交错进入的问题，采用基于设计的视角，通过构造臂特定事件时间滤子下的鞅，结合联合界构建处理效应的置信序列，实现连续监测。
2026-05-29 math.ST stat.ME stat.TH
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
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
Do shared e-scooter services cause traffic accidents? Evidence from six European countries
我们通过利用电动滑板车服务可用性的变化来估计共享电动滑板车服务对交通事故的因果影响，这些服务是由6个国家93个城市的交错推出引起的。在引入共享电动滑板车后，警方报告的事故平均每月增加约8.2%。对于自行车基础设施有限和交通严重依赖汽车的城市，估计影响最大。相比之下，在自行车道密度高的城市，没有检测到任何影响。这种异质性表明，公共政策可以在减少与电动滑板车有关的事故方面发挥关键作用，更广泛地说，可以在城市交通变化方面发挥关键作用。
2022-09-16 econ.EM stat.AP
Synthetic Controls with Staggered Adoption
不同单位在不同时间交错采用政策，为观察因果推断创造了有希望的机会。然而，估计仍然具有挑战性，常见的回归方法可能会产生误导性的结果。一个有前途的替代方法是综合控制方法（SCM），它找到了一个加权平均的控制单元，密切平衡处理单元的预处理结果。在本文中，我们推广SCM，最初设计研究一个单一的处理单元，交错采用设置。我们首先限制了平均效应的误差，并表明它取决于每个处理单元的不平衡和处理单元平均值的不平衡。然后，我们提出了“部分汇集”SCM的权重，以尽量减少这些措施的加权组合，方法只侧重于平衡两个组件之一，可能会导致偏见。我们扩展这种方法，将单位级截距的变化和辅助协变量。我们通过广泛的模拟评估所提出的方法的性能，并将我们的结果应用于教师集体谈判是否会导致更高的学校支出的问题，发现影响最小。我们在augsynth R包中实现了所提出的方法。
2021-01-15 econ.EM stat.ME
Using Multiple Pre-treatment Periods to Improve Difference-in-Differences and Staggered Adoption Design
虽然最初开发的差异中差异（DID）设计有一个治疗前和一个治疗后阶段，但通常可以获得额外治疗前阶段的数据。在什么条件下，研究人员如何改进具有如此多个预处理期的DID设计？我们首先使用潜在的结果来阐明多个预处理期的三个好处：（1）评估平行趋势假设，（2）提高估计准确性，（3）允许更灵活的平行趋势假设。然后，我们提出了一个新的估计，双DID，它结合了所有的好处，通过广义矩法，并包含作为特殊情况的双向固定效应回归。我们表明，双DID需要一个较弱的假设结果的趋势，是更有效的比现有的DID估计。我们还将双DID推广到交错采用设计，即不同的单位可以在不同的时间段接受治疗。我们说明了所提出的方法与两个实证的应用，涵盖了基本的DID和交错采用设计。我们提供了一个开源的R包来实现所提出的方法。
2022-02-11 stat.AP stat.ME
Reevaluating Causal Estimation Methods with Data from a Product Release
Microsoft（微软）；Microsoft Research（微软研究院）
本文通过新产品发布实验数据评估了因果估计方法的有效性，发现通过精心建模可以准确恢复真实因果效应，为现代高维数据集中的处理效应估计提供了最佳实践。
2026-10-27 econ.EM stat.ME
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
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
Efficient Difference-in-Differences Estimation when Outcomes are Missing at Random
Carnegie Mellon University（卡内基梅隆大学）；Sant’Anna School of Advanced Studies（圣安娜高等研究学院）；Penn State University（宾夕法尼亚州立大学）；Amazon Science（亚马逊科学）
本文提出了一种基于半参数理论的高效DiD估计方法，用于处理预后或后治疗结果随机缺失的问题，通过多重鲁棒性和渐近最优性提升估计效率。
2026-01-24 econ.EM math.ST 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
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
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
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
The policy is always greener: impact heterogeneity of Covid-19 vaccination lotteries in the US
2019冠状病毒病疫苗接种给全球政策制定者和卫生管理部门带来了重大挑战。除了大流行带来的压力外，政府行政部门还必须努力克服疫苗犹豫，这似乎比以前的疫苗接种计划要高得多。为了增加对人口的疫苗接种保护，俄亥俄州宣布了一项货币激励措施，作为对那些决定接种疫苗的人的彩票。第一个例子被其他18个州效仿，结果各不相同。在本文中，我们要评估的潜在结果框架内，这些政策的效果，使用惩罚综合控制方法。我们对待一个面板数据集和估计因果关系的影响，在一个分类的背景下，交错治疗采用。我们重点关注县、州和超州层面的政策成果，突出了具有不同社会特征和政策出台时间框架的县之间的差异。我们还研究了处理效应的性质，以了解这些货币激励措施的影响是永久性的，还是只是暂时的，加速了无论如何都会接种疫苗的公民的疫苗接种。
2022-03-28 stat.AP
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
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
State-Building through Public Land Disposal? An Application of Matrix Completion for Counterfactual Prediction
本文应用倾向性加权矩阵补全模型，估计宅地政策对美国边疆州的反事实影响，发现其显著降低州政府收支，并通过模拟和实证验证了方法的优越性。
2023-12-23 econ.EM econ.GN q-fin.EC
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
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
Bridging Structural Causal Inference and Machine Learning The S-DIDML Estimator for Heterogeneous Treatment Effects
本文提出 S-DIDML 估计量，通过将 DID 逻辑嵌入 DML 架构，结合时间识别与正交化估计，在保持可解释性和可扩展性的同时稳健估计异质性处理效应，为复杂数据下的结构因果推断提供了新框架。
2025-07-13 stat.ME
A formal approach to variable selection in difference-in-differences
Harvard Medical School（哈佛医学院）；NORC at the University of Chicago（芝加哥大学NORC）
本文提出一种基于图形标准的正式方法，用于选择支持条件平行趋势的变量，揭示了无条件和平行趋势可能冲突，并讨论了协变量选择对识别的影响。
2026-05-01 stat.ME
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
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
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
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
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
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
Estimation and Inference on Average Treatment Effect in Percentage Points under Heterogeneity
School of Economics and Wang Yanan Institute for Studies in Economics, Xiamen University（厦门大学经济学院和王亚南经济研究院）
针对半对数回归中处理效应异质性导致的近似偏差，提出考虑可观测子组异质性的估计量，为相关目标子总体提供百分点ATE的下界，并通过蒙特卡洛实验和实证应用验证其重要性。
2026-07-01 econ.EM
Revisiting Event Study Designs: Robust and Efficient Estimation
本文针对交错处理采纳和异质性处理效应下的双重差分设计，提出了一种稳健且高效的插补形式估计量，并配套推断与识别检验工具，通过模拟和美国税收返还消费响应应用验证了其有效性。
2024-01-16 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
Difference-in-Differences Meets Synthetic Control: Doubly Robust Identification and Estimation
University of California, San Diego（加州大学圣迭戈分校）；Guanghua School of Management, Peking University（北京大学光华管理学院）；National University of Singapore（新加坡国立大学）
本研究提出一种整合双重差分与合成控制优势的双重稳健方法，用于短面板因果推断，在平行趋势或组级合成控制假设下识别平均处理效应，并开发半参数估计框架、乘子自助推断法，扩展至重复横截面与交错处理设计，实证评估阿拉斯加最低工资上调影响，模拟验证有限样本性能。
2026-09-29 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 with Unpoolable Data
Carleton University（卡尔顿大学）；Dalhousie University（达尔豪斯大学）；McGill University（麦吉尔大学）
针对隐私或法律限制导致数据无法跨辖区合并的问题，本文提出UN-DID方法，支持协变量、多组与交错采用，并证明其估计与传统DID等价无偏。
2026-09-23 econ.EM
The role of parallel trends in event study settings: An application to environmental economics
差异中差异（DID）研究设计通常依赖于治疗时间的变化，在做出适当的平行趋势假设后，可以识别、估计和推断因果效应。然而，在实践中，不同的DID过程依赖于不同的平行趋势假设（PTA），并且恢复不同的因果参数。在本文中，我们专注于交错DID（也称为事件研究），并讨论了PTA在因果参数的识别和估计方面所发挥的作用。我们记录了一个“鲁棒性”与“效率”的权衡基础PTA的强度方面，并认为，从业者应该明确这些权衡时，使用DID程序。我们提出了新的DID估计，反映了这些权衡，并推导出其大样本特性。我们说明了这些结果的实际相关性，评估是否从联邦到州的清洁水法管理的过渡影响遵守率。
2020-09-03 econ.EM
