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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
Improved Inference for CSDID Using the Cluster Jackknife
Carleton University（卡尔顿大学）；Aarhus Center for Econometrics, Aarhus University（奥胡斯大学计量经济学中心）；Queen’s University（女王大学）
本文提出使用聚类jackknife改进CSDID推断，以解决小集群和处理集群数量少时的过度拒绝问题，并提供软件包实现。
2026-02-12 econ.EM stat.ME stat.ML
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
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
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
Dynamic Local Average Treatment Effects
Stanford University（斯坦福大学）
本文针对数字推荐和自适应医学试验中存在的单边不依从性问题，提出动态局部平均处理效应的非参数识别、估计与推断方法，并将其从单时间步处理扩展到交错采纳及多时间段处理场景。
2025-05-04 cs.LG econ.EM 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
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
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
Generalized difference-in-differences
本文提出广义双重差分框架，通过稳定偏差假设统一可忽略性与 DiD 估计，支持双重机器学习、聚类分配和交错采用，并在模拟中展现更强稳健性。
2023-12-08 stat.ME
Autoregressive models for panel data causal inference with application to state-level opioid policies
University of Florida（佛罗里达大学）；RAND Corporation（兰德公司）；Johns Hopkins Bloomberg School of Public Health（约翰斯·霍普金斯大学布隆伯格公共卫生学院）；Rutgers Robert Wood Johnson Medical School（罗格斯大学罗伯特·伍德·约翰逊医学院）
本文提出基于自回归模型的因果推断方法，用于评估州级阿片类药物政策（PDMPs、NALs、医用大麻法）的效果，并通过模拟验证其优于现有方法。
2025-10-15 stat.AP stat.ME
Beyond the Illusion of Power: Calibrating Quasi-Experiments in Observational IS
Georgia Institute of Technology（佐治亚理工学院）
本研究通过大规模蒙特卡洛模拟，揭示观测性信息系统研究中准实验功效计算的局限性，指出序列相关、面板流失等无法被闭式公式捕捉，并强调IV识别依赖工具强度而非样本量。
2026-09-24 cs.AI cs.LG stat.ME
Does the AI Productivity Dividend Diminish? Does the AI Productivity Dividend Diminish? A Validated Framework for Identifying the Shape of Firm-Level Returns to Artificial Intelligence
University of Ottawa（渥太华大学）
本研究提出并验证了一个基于设计、结合双重差分与生产函数的框架，用于测量企业层面AI回报的形状，并发现其呈凹性，为加拿大生产力预测提供依据。
2026-10-06 stat.AP
A Unified Framework for Spatial and Temporal Treatment Effect Boundaries: Theory and Identification
Faculty of Economics, The University of Tokyo（东京大学经济学部）
本文提出统一理论框架，基于反应-扩散模型检测空间与时间处理效应边界，推导可检验预测，并通过蒙特卡洛模拟和宽带、野火实证验证，提供政策干预阈值识别工具。
2025-10-11 econ.EM econ.GN q-fin.EC
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
Big Wins, Small Net Gains: Direct and Spillover Effects of First Industry Entries in Puerto Rico
研究探讨了波多黎各首次产业进入对本地及周边劳动力市场的直接影响和外溢效应，发现本地收益显著但区域净效应较小，强调空间外溢在评估地方政策时的重要性。
2026-09-30 econ.EM econ.GN q-fin.EC
Difference-in-Differences under Bipartite Network Interference: A Framework for Quasi-Experimental Assessment of the Effects of Environmental Policies on Health
针对燃煤电厂污染影响健康的评估受二分网络干扰阻碍，本文提出一种在交错处理采用下进行双重差分的因果推断框架，通过数据重构在干预单位层面分析，并发现烟气脱硫洗涤器安装对减少老年人冠心病住院有总体有益效果。
2024-04-20 stat.AP stat.ME
Identifying Optimal Methods for Addressing Confounding Bias When Estimating the Effects of State-Level Policies
本文通过模拟研究比较四种州级政策评估方法在不同混杂情景下的表现，发现无单一方法始终最优，建议研究者综合使用多种方法并借助配套R包选择合适方案。
2023-07-04 stat.ME
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
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
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
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
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
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
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
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
Quantile and Distribution Treatment Effects on the Treated with Possibly Non-Continuous Outcomes
International Food Policy Research Institute（国际粮食政策研究所）；Culverhouse College of Business, University of Alabama（阿拉巴马大学卡尔弗豪斯商学院）
本文提出了一种分布差分-in-差分框架，用于在非连续分布结果的情况下识别和进行分布和分位数处理效应的统一推断，通过经济犯罪模型展示了如何处理计数类型的未处理潜在结果。
2026-05-20 econ.EM
Causal Inference under Dynamic Selection and Latent Heterogeneity
University College London（伦敦大学学院）
本研究提出一种基于核函数的双重稳健估计方法，利用预处理结果历史控制潜在异质性，识别交错采纳下的动态处理效应，并应用于美国计划生育项目，估计其对生育率的影响。
2026-10-23 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
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
Design-Robust Two-Way-Fixed-Effects Regression For Panel Data
本文提出融合分配机制权重的双向固定效应估计量，在一般处理模式下具备双重稳健性，并可扩展至动态处理效应。
2024-03-04 econ.EM econ.GN q-fin.EC
