双重差分中括号法的负相关策略

双重差分(DID)方法被广泛用于观察性研究中考察政策干预的因果效应。DID 利用处理组与对照组在干预前后的比较，在平行趋势假设下消除由不随时间变化的未测量混杂因素导致的偏倚。然而，若处理组与对照组的结果在无处理时演化不同，即平行趋势假设被违背，则 DID 的估计将有偏。我们提出一种通用识别策略，利用两组相对于处理组结果呈负相关的对照组，实现对处理组平均处理效应的部分识别。所识别的集合具有涉及最小值与最大值算子的并集界形式，这使得标准 bootstrap 一般不一致，而朴素方法过于保守。通过利用 bootstrap 分布的方向不一致性，我们发展了一种新的 bootstrap 方法，在识别集合为并集界形式时为其及感兴趣的参数构造一致有效的置信区间，并建立了该方法的理论性质。我们开发了简单的证伪检验与敏感性分析。我们将所提出的括号策略应用于研究最低工资法是否影响就业水平。