Difference-in-Differences with a Continuous Treatment
University of Georgia（佐治亚大学）；Federal Reserve Bank of Minneapolis（明尼阿波利斯联邦储备银行）；NBER（美国国家经济研究局）；Emory University（埃默里大学）
本文探讨了连续处理差异-差异法的识别问题，提出替代假设以消除选择偏差，并介绍了新的估计方法以改进处理效应的分析。
2025-12-31 econ.EM
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
Triple Difference Designs with Heterogeneous Treatment Effects
Haverford College（哈弗福德学院）
本文针对三重差分设计中的处理效应异质性，提出受控差异参数及双重稳健估计量，实现亚组间因果比较。
2026-09-11 econ.EM
Difference-in-Differences Estimators with Continuous Treatments and no Stayers
针对连续处理且无未处理组的情形，提出不依赖线性假设的稳健双重差分估计量，并扩展非参数结果，提出参数估计量以重新评估实证研究。
2024-02-08 econ.EM
Two-way Fixed Effects and Differences-in-Differences Estimators with Several Treatments
本文分析了含多个处理变量的双向固定效应回归，揭示其系数可能受其他处理效应污染且对异质性不稳健，并提出一种对异质性稳健且不受污染影响的双重差分估计量。
2023-04-17 econ.EM
Group-Level Treatment Effect Heterogeneity in Difference-in-Differences: A Balanced Approach
Swiss Institute of Empirical Economic Research, University of St. Gallen（圣加仑大学瑞士实证经济研究所）；Amsterdam School of Economics, University of Amsterdam（阿姆斯特丹大学阿姆斯特丹经济学院）；Department of Economics, University of Southern Denmark（南丹麦大学经济学系）
提出平衡群体平均处理效应（BGATT），在标准条件平行趋势假设下隔离处理响应异质性与协变量组成差异，实现群体间效应比较与有效推断。
2026-06-24 econ.EM
Difference-in-Differences Estimators for Treatments Continuously Distributed at Every Period
Sciences Po Paris（巴黎政治学院）；CREST-ENSAE（法国国家统计与经济研究所经济研究中心）；Princeton University（普林斯顿大学）；University of California, Santa Barbara（加州大学圣塔芭芭拉分校）
本文提出了一种用于连续分布处理的差异-差异估计方法，通过区分转换者和保持者，非参数地识别处理效应，并提出双重鲁棒的估计量。
2026-07-22 econ.EM
Nonparametric Difference-in-Differences in Repeated Cross-Sections with Continuous Treatments
本文提出一种连续处理下基于重复截面数据的非参数双重差分识别策略，允许处理内生，利用数据自身定义对照组识别时间趋势，并给出平均及分位数处理效应的非参数估计量及其渐近性质，最后应用于收入对消费的影响。
2022-05-23 econ.EM
Difference-in-Differences with Geocoded Microdata
本文正式提出了一个共同的方法，估计在特定位置的治疗效果，使用地理编码的微观数据。该估计器将紧邻治疗的单位（内环）与稍远的单位（外环）进行比较。我介绍了直观的假设，需要确定受影响的单位之间的平均处理效应，并说明了陷阱时，这些假设失败。由于这些假设之一，需要了解究竟有多远的处理效应的经验，我提出了一种新的方法，放松这一假设，并允许使用分区为基础的最小二乘法开发的Cattaneo等非参数估计。（2019）.由于处理效应通常随距离衰减/变化，因此该估计器通过估计作为距处理的距离的函数的处理效应曲线来改进分析。这与传统方法相反，传统方法充其量只能确定治疗的平均效果。为了说明这种方法的优点，我表明Linden和Rockoff（2008）低估了犯罪风险增加对最接近治疗的房屋价值的影响，并高估了通过选择太宽的治疗环而产生的影响。
2021-10-19 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
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
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
Using Pre-Trends for Inference in Difference-in-Differences
Sciences Po（巴黎政治学院）
研究利用多个预处理期的双重差分法推断问题，提出以预处理趋势为治疗后DID参考分布的简单推断程序，与现有共形推断程序相关但有独特识别限制，且无需平行趋势假设。
2026-07-24 econ.EM
Fuzzy Difference-in-Discontinuities: Identification Theory and Application to the Affordable Care Act
本文探讨了模糊断点回归设计的使用，在阈值处应用多个处理。识别结果表明，在非常强的假设下，治疗的概率在截止点的变化是相等的治疗，在不连续性的差异估计识别感兴趣的处理效应。如果在临界点应用治疗的概率变化在治疗间存在差异，则使用简单模糊不连续性差异设计的处理效应的点估计值存在偏倚。还提出了修改的模糊差分不连续性的方法，依赖于温和的假设。我们的研究结果表明，在模糊不连续性的存在下，应用前后方法时需要谨慎。使用全国健康访谈调查的数据，我们应用这种新的识别策略来评估《平价医疗法案》（ACA）对美国老年人医疗保健获得和利用的因果影响。
2021-04-17 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
Robust Difference-in-differences Models
本文针对双重差分法的平行趋势假设验证局限，提出鲁棒广义DID方法，通过选择偏差解读与多源信息构建识别集，可推广至多处理时期场景，兼具灵活性与易实现性。
2023-08-22 econ.EM
Extensions for Inference in Difference-in-Differences with Few Treated Clusters
在治疗单位较少的情况下，双重差分法（DID）估计量不一致，并且通常不是渐近正态的。这对推理提出了相关的挑战。虽然存在在这些环境中有效的推断方法，但当治疗时间和异质处理效应存在变化时，或为事件研究图推导统一置信带时，其中一些替代方法并不容易获得。我们提出的替代品在设置与几个治疗单位是有效的治疗时间和/或允许统一的置信带的变化。
2023-02-06 econ.EM
Two-Way Fixed Effects and Differences-in-Differences with Heterogeneous Treatment Effects: A Survey
具有时期和群体固定效应的线性回归被广泛用于估计政策效果：2015年至2019年，《美国经济评论》发表的100篇被引用最多的论文中有26篇估计了此类回归。最近的研究表明，如果政策的影响在不同群体之间或在一段时间内是不均匀的，这种回归可能会产生误导性的估计，而这种情况往往是如此。本调查回顾了快速增长的文献，记录了这个问题，并提出了其他估计稳健的异质性影响。我们使用这些替代估计重新访问Wolfers（2006）。
2022-06-20 econ.EM
Difference-in-Differences with Sample Selection
Department of Econometrics and Business Statistics, Monash University（莫纳什大学计量经济学与商业统计系）；IZA, Germany（德国IZA研究所）
本文研究了在存在内生样本选择的情况下，差分法中平均处理效应的识别问题，并通过实证案例展示了该方法的应用价值。
2026-02-16 econ.EM
Continuous difference-in-differences with double/debiased machine learning
本文提出了一种基于双/去偏机器学习的方法，用于估计连续处理下的平均处理效应，并通过实证研究验证了其有效性。
2025-12-12 econ.EM
Sensitivity Analysis for Treatment Effects in Difference-in-Differences Models using Riesz Representation
针对双重差分模型，提出基于Riesz表示的敏感性分析方法，评估平行趋势假设违背对估计的影响，扩展至交错处理设定，并通过模拟和实证验证。
2025-10-10 econ.EM
Difference-in-differences for mediation analysis using double machine learning
University of Fribourg（弗里堡大学）
本文提出基于双重机器学习的差分-in-差分方法，用于估计处理对结果的直接和间接效应，通过模拟和实证研究验证了方法的有效性。
2026-02-27 econ.EM
Estimating Treatment Effects in Mover Designs
研究人员越来越多地利用多种治疗方法的运动来估计因果关系。虽然这些“原动者回归”通常是由线性恒定效应模型驱动的，但在较弱的准实验假设下，它们所捕获的内容尚不清楚。我发现，二进制处理移动回归恢复四个差异的差异比较的凸平均值，因此因果关系的解释下，一个标准的平行趋势假设。然而，如果不对处理效应和随时间变化的冲击的异质性进行更严格的限制，多重处理模型的估计值就不一定是因果关系。我提出了一类两步估计隔离和合并的大集合的差异中的差异准实验产生的原动机设计，确定原动机平均处理效应条件下的协变量平行趋势和效果同质性限制。我在这个类的有效估计的特点，并得出规格测试模型的过度识别的限制。未来的草案将把这一理论应用于Finkelstein等人（2016）的移动设计，分析地理对医疗保健利用的因果影响。
2018-04-18 econ.EM
Which Policy Works, and Where? Estimation and Inference for State-Level Treatment Effects in Difference-in-Differences
Dalhousie University（达尔豪斯大学）；Carleton University（卡尔顿大学）；McGill University（麦吉尔大学）
该研究针对双重差分法，区分不同维度的亚组处理效应，提出UN-DID和DID-INT估计量，通过CPS模拟分析其推断特性，强调估计目标与方法需匹配政策场景。
2026-09-02 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
Two Margins in Difference-in-Differences with a Continuous Treatment
School of Economics, University of Sydney（悉尼大学经济学院）
本文提出连续剂量双重差分中区分水平边际与响应边际的框架，证明OLS系数为二者凸组合，并给出估计与推断方法，应用于水力压裂研究。
2026-09-16 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
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
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
Difference-in-Differences Estimators When No Unit Remains Untreated
Sciences Po Paris（巴黎政治学院）；Northwestern University, Kellogg School of Management（西北大学凯洛格管理学院）；CREST-ENSAE（法国国家统计与经济研究所研究中心）；Ludwig-Maximilians-University Munich（慕尼黑路德维希-马克西米利安大学）
本文研究了在两期面板数据中，单位在第一期未被处理，第二期接受正剂量的处理效应估计。提出利用准未处理单位的加权平均斜率估计方法，并提出无准未处理单位的设计估计量及同质效应假设检验。
2026-10-12 econ.EM
Difference-in-Differences with Interference
本文研究了存在邻居干扰时标准DID估计量的失效问题，提出在修改平行趋势假设下的双重稳健估计量以估计直接平均处理效应和平均溢出效应，并讨论了放宽常见限制后的稳健推断。
2025-01-29 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
Synthetic Controls with Imperfect Pre-Treatment Fit
我们分析了合成控制（SC）和相关估计的性质时，预处理拟合是不完美的。在这个框架中，我们表明，这些估计一般是有偏的，如果治疗分配与未观察到的混杂因素，即使当治疗前的时期的数量趋于无穷大。尽管如此，我们表明，一个贬低版本的SC方法可以大大提高相对于差异估计的偏差和方差。我们还推导出一个规格测试demaed SC估计在这种设置与不完美的预处理适合。鉴于我们的理论结果，我们提供了实用的指导，应用研究人员如何证明在实证应用中使用这样的估计。
2021-01-12 econ.EM
Statistical Power for Estimating Treatment Effects Using Difference-in-Differences and Comparative Interrupted Time Series Designs with Variation in Treatment Timing
本文开发了新的封闭形式的方差表达式的权力分析常用的差异中的差异（DID）和比较中断时间序列（CITS）面板数据估计。主要贡献是将治疗时间的变化纳入分析。把握度公式还考虑了实践中出现的其他关键设计特征：自相关误差、不等测量间隔和治疗分配单位引起的聚类。我们考虑横截面和纵向模型的幂公式，并允许协变量。说明性功效分析为适当的样本量提供了指导。关键发现是，考虑到治疗时间增加，需要样本量。此外，DID估计器具有比标准CITS和ITS估计器大得多的功率。可用的Shiny R仪表板为所考虑的估计量执行样本量计算。
2021-10-14 econ.EM stat.ME
Geographic Difference-in-Discontinuities
最近的计量经济学文献批评了使用回归不连续的行政边界作为“截止”。在这种情况下，识别是困难的，因为多种治疗方法可以在临界点改变，个人可以很容易地在边界的任何一边进行分类。本文扩展了Grembi等中讨论的不连续性差异框架。（2016）地理环境。本文正式确定在这种情况下，这将允许删除的时间不变的排序和复合治疗类似的差异，差异的方法的假设。
2021-09-16 econ.EM
Identification of dynamic treatment effects when treatment histories are partially observed
针对治疗历史部分可观测下的路径依赖型治疗效应识别问题，本文提出结合三类模型的稳健双重差分估计量，仅需两类模型设定正确即可识别目标参数，在缺失和模型偏误场景下推断更准确，应用中估计结果与传统方法有实质差异。
2025-06-17 econ.EM
Stacked Triple Differences
本文提出叠加三差分方法，通过构建自包含的叠加结构，解决传统三差分在 staggered adoption 下的解释问题，并提供新的加权方案以提高因果估计的透明度和准确性。
2026-05-18 econ.EM
Empirical Decomposition of the IV-OLS Gap with Heterogeneous and Nonlinear Effects
本研究提出了一个计量经济学的框架来解释和经验分解IV和OLS估计值之间的差异时，治疗的真正的因果关系是非线性的治疗水平和异质性的协变量的线性回归模型。我表明，IV-OLS系数差距由三个可估计的组成部分：协变量的权重差异，治疗水平的权重差异，以及确定的边际效应的差异，所产生的内偏置。这个框架的应用程序返回到学校的估计表明，这种区别在正确解释IV-OLS差距的经验相关性。
2022-06-24 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
Difference-in-differences with as few as two cross-sectional units -- A new perspective to the democracy-growth debate
École de Gestion, Université de Sherbrooke（舍布鲁克大学管理学院）；Department of Economics, Finance and Legal Studies, Culverhouse College of Business, University of Alabama（阿拉巴马大学卡弗豪斯商学院经济、金融与法律研究系）
本文提出T-DiD估计器，利用时间变异估计最少两个横截面单位的处理效应，解决面板分析中异质性问题，并通过识别检验检测平行趋势违反。
2026-04-26 econ.EM
Heterogeneity Analysis with Heterogeneous Treatments
Aarhus University（奥胡斯大学）；Harvard University, Department of Economics（哈佛大学经济学系）；University of Tübingen（蒂宾根大学）
本文提出了一种分解框架，用于分析治疗异质性和效果异质性对群体差异的影响，揭示性别差距主要由女性受不同治疗而非不同回报驱动。
2026-02-26 econ.EM
Difference in Differences with Time-Varying Covariates
本文针对带时变协变量的双重差分场景，指出常用的含时变回归变量的双向固定效应回归存在多种估计偏误，提出了更稳健且易实现的双重稳健估计与回归调整/插补策略。
2024-06-24 econ.EM
Finitely Heterogeneous Treatment Effect in Event-study
该研究放松双重差分的平行趋势假设，提出类型特定平行趋势假设，用极值分类器估计类型分配，构建类型特定双重差分估计量，以分析处理效应和基线结果的异质性。
2024-10-09 econ.EM
Toggling the Defiers to Relax Monotonicity: The Difference-in-Instrumental-Variables Estimand
Hiroshima University（广岛大学）
本文提出DIIV估计量，通过两个具有相反合规模式的工具变量，无需单调性假设即可估计点识别的因果效应。
2026-02-13 econ.EM
Estimating Treatment Effects in Panel Data Without Parallel Trends
Hitotsubashi University（一桥大学）
本文提出一种无需平行趋势假设的面板数据处理效应估计方法，通过允许多维不可观测因素和非可加性分离，实证显示其能更准确地反映处理组与对照组的差异结果轨迹。
2026-09-24 econ.EM
Bounds for Treatment Effects in the Presence of Anticipatory Behavior
在计划评估中，各单位通常可以在新政策实施之前就预测到它的实施。这种预期行为可能导致单位的结果变得依赖于他们未来的治疗分配。在本文中，我采用了一个潜在的结果框架来分析与预期的处理效应。我从一个经典的两个时间段的差异中的差异模型开始，并提供易于实现的因果参数估计和推理策略的识别集。经验的应用和推广。我说明了我的研究结果，通过分析提前退休的教师，目标单位可能会预期，对学生成绩的激励计划的效果。实证结果表明，在最坏的情况下，该结果可能被高估30%，并表明在政策评估中没有考虑预期的潜在陷阱。
2022-12-01 econ.EM
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
Difference-in-Differences with Time-varying Continuous Treatments using Double/Debiased Machine Learning
Queen Mary University of London（伦敦大学玛丽女王学院）；University of Fribourg（弗里堡大学）；Bates White Economic Consulting（贝茨怀特经济咨询公司）；University of California, Los Angeles（加州大学洛杉矶分校）
本文提出了一种基于双重/去偏机器学习的差分-in-差分方法，用于估计时间变化连续处理的平均处理效应，并通过巴西疫苗接种率的实证研究验证了其有效性。
2026-01-15 econ.EM stat.ML
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
Randomly Assigned First Differences?
Sciences Po（巴黎政治学院）；Renmin University of China（中国人民大学）
研究探讨了首差回归中治疗效应随时间变化对残差的影响，提出需检验ΔD与D₁的相关性以避免遗漏变量偏差，并通过控制E(ΔD|D₁)来解决。
2026-06-19 econ.EM
Simple Difference-in-Differences Estimation in Fixed-T Panels
针对短面板、含交互固定效应且控制变量可受处理影响的场景，提出新的双重差分处理效应估计量，推导其渐近性质，经模拟验证小样本表现，并以中国贸易竞争对企业加成的影响为例展示其实用性。
2023-06-14 econ.EM
Causal Identification under Interference: The Role of Treatment Assignment Independence
Concordia University（康科迪亚大学）；University of Geneva（日内瓦大学）
本文研究了在存在任意干扰时，基于个体治疗反应假设的因果识别公式所识别的因果对象，发现其为平均直接效应，并提出了一种稳健性分析框架。
2026-10-19 econ.EM
Difference-in-Differences for Policy Evaluation
双重差分法是经济学实证研究中最常用的识别策略之一。本章回顾了与双重差分法有关的一些重要的最新发展。首先，本章回顾了最近的工作，指出了双向固定效应回归的局限性（这些是面板数据回归，是实施双重差分法识别策略的主要方法），这些局限性出现在经验相关的环境中，其中有两个以上的时间段，单位之间的治疗时间变化和处理效应异质性。其次，本章回顾了最近提出的替代方法，这些方法能够绕过这些问题，而不会使实施变得更加复杂。第三，本章涵盖了这些结果的一些扩展，特别注意（i）平行趋势假设，只有在观察到的协变量和（ii）战略，以部分确定因果效应参数的条件后，保持在双重差分法的应用程序中的情况下，平行趋势假设可能会被违反。
2022-03-29 econ.EM
