Synthetic Difference in Differences for Repeated Cross-Sectional Data
本文将合成双重差分法扩展到重复横截面数据,通过按组聚合数据并引入考虑各横截面观测数量差异的第三种权重,模拟显示该方法能有效提升估计性能。
2024-09-30 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 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
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
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
Non-linear Triple Changes Estimator for Targeted Policies
本研究将三重差分估计量扩展至变化中变化(CiC)框架,提出三重变化估计量以估计整个反事实分布,并实证应用于评估 Medicaid 扩展对儿童预防保健的影响。
2024-02-19 econ.EM stat.ME
Semiparametric Triple Difference Estimators
EPFL(洛桑联邦理工学院);Boston University(波士顿大学)
本文针对三重差分因果推断框架,提出了基于结果回归和加权方法的半参数估计量,利用交叉拟合和机器学习技术,证明了其高效、双重稳健和渐近正态性,并验证了强制生育福利使育龄妇女小时工资下降2.6%。
2025-09-15 econ.EM stat.ME
Causal Inference with Groupwise Matching
Vancouver School of Economics, University of British Columbia(不列颠哥伦比亚大学温哥华经济学院)
本文研究了在观察多个大群体跨多时期数据时,基于组内匹配的因果推断方法。通过广义匹配条件推广差分-in-差分设计的平行趋势假设,分析了差分-in-差分、合成控制和合成差分-in-差分设计的区分条件,并展示其互补性及等价性。
2026-03-20 econ.EM
Shared-Donor Inference for Fixed-Set Heterogeneity in Synthetic Difference-in-Differences
Faculty of Economics, Keio University(庆应义塾大学经济学部);RIKEN Center for Advanced Intelligence Project (AIP)(理化学研究所先进智能项目中心)
研究多组合成差分中异质性的有限总体推断,通过结合多种方法构建理论,经美国社区调查和县级《清洁空气法》应用验证,可揭示效应变化、验证分解,还发现捐赠者共享对标准误差有影响。
2026-09-09 econ.EM
Synthetic Difference in Differences
CEMFI(欧洲中心马德里经济学院);Graduate School of Business, Stanford University(斯坦福大学商学院);SIEPR(斯坦福经济政策研究中心);NBER(美国国家经济研究局);Department of Economics, Stanford University(斯坦福大学经济学系);Statistics (by courtesy), Stanford University(斯坦福大学统计学(荣誉))
本文提出合成双重差分估计量,融合双重差分与合成控制法的优势,在面板数据因果推断中具有更好的稳健性,并给出其相合性与渐近正态性条件。
2021-07-02 econ.EM stat.ME
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
Correlated Synthetic Controls
针对多处理单元的微观计量经济学场景,提出相关合成控制(CSC)估计量,在处理分配与不可观测变量相关时比双重差分具有更优理论性质,并在Mariel Boatlift研究中验证其获取异质性处理效应的有效性。
2025-07-11 econ.EM
Impact of the Availability of ChatGPT on Software Development: A Synthetic Difference in Differences Estimation using GitHub Data
本文利用GitHub Innovation Graph数据及政府封禁ChatGPT的自然实验,通过DID、SC和SDID方法评估发现,ChatGPT显著提升软件开发活动与开发者生产力。
2024-06-16 cs.SE cs.SI 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
Synthetic Control As Online Linear Regression
Harvard University(哈佛大学);Harvard Business School(哈佛商学院)
本文指出了合成控制和在线学习之间的简单联系。具体来说,我们认为合成控制是跟随领导者(FTL)的一个实例。在线凸优化中的标准结果则意味着,即使结果是由对手选择的,被处理单元的反事实结果的合成控制预测几乎与控制单元结果的预言加权平均值一样好。对差异数据的合成控制的性能几乎与Oracle加权差异中的差异一样好,这可能使其在实践中成为一个有吸引力的选择。我们认为,这一观察进一步支持使用合成控制估计比较案例研究。
2022-11-13 cs.LG econ.EM 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
Triple/Debiased Lasso for Statistical Inference of Conditional Average Treatment Effects
the University of Tokyo(东京大学)
针对高维场景下条件平均处理效应(CATE)的估计与推断问题,提出仅假设模型差值稀疏的三重/去偏Lasso方法,结合双重稳健估计、DML与去偏Lasso实现√n一致估计与置信区间构建,经模拟验证有效。
2024-03-05 cs.LG econ.EM stat.ME