无混杂与共同趋势的联合检验

本文在两期面板数据环境中，引入了对两种替代假设进行过度识别检验，以识别受处理者的平均处理效应：无混杂与共同趋势。在无混杂假设下，处理分配与处理后结果独立（以控制变量与处理前结果为条件），这促使将处理前结果纳入控制集。相反，在共同趋势假设下，趋势与处理分配独立（以控制变量为条件）。这促使采用双重差分方法，通过比较处理组与对照组处理前后结果的差异来进行估计。鉴于这些假设的非嵌套性质及其在经验环境中往往模糊的合理性，我们提出了一种使用双重稳健统计量的联合检验，该统计量可与机器学习结合，以数据驱动的方式控制观测到的混杂因素。我们讨论了蕴含共同趋势、无混杂或两者假设同时成立的各种因果模型，并通过模拟研究考察了检验的有限样本性质。此外，我们将所提方法应用于使用公开数据集的五个经验示例，发现该检验在两个案例中拒绝了原假设。