.png){kind=icon}
返回
Difference-in-Differences with compositional changes
.png){kind=icon}
PRE
AI
DOI：10.1016/j.jeconom.2025.106147.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文研究了使用重复截面数据和潜在成分随时间变化差异的差分-差分（DiD）设定。我们首先通过推导平均处理效应（ATT）的效率影响函数和半参数效率边界来展开分析。我们引入了在扰动函数估计量的宽松收敛速率条件下达到半参数效率边界的非参数估计量，并展示了某种类型的速率双重稳健（DR）性质。此外，我们阐述了与成分变化相关的权衡：我们推导了错误排除成分变化的DR DiD估计量的渐近偏差，以及未能正确排除成分变化时的效率损失。基于这些权衡，我们提出了基于成分变化的非参数豪斯曼型检验。通过蒙特卡洛实验和一项实证应用，评估了所提出的DiD工具的有限样本表现。我们考虑了扩展我们的框架，以适应交叉拟合的双机器学习程序，以及某些单位在处理前和处理后时期均被观察到的设定。作为我们分析的副产品，我们提出了局部多项式多项Logit估计量的一个新的统一随机展开，这可能具有独立的价值。
