面向一般处理类型的差分-差分的非二分匹配框架
摘要
差分-差分（DID）是观察性研究中最广泛使用的数据因果推断框架之一。然而，大多数现有 DID 方法设计用于二元处理，难以应用于非二元处理设置。虽然近期研究开始将 DID 扩展到非二元（如连续）处理，但这些方法通常需要强大的额外假设，包括参数化结果模型或存在理想比较单位（具有（近乎）静态处理水平的单位，通常称为“stayers”或“准stayers”）。本技术笔记引入了一种新的非二分匹配框架，用于 DID，自然适应一般处理类型（如二元、有序或连续）。我们的框架有三个主要贡献：首先，我们发展出一种 optimal 非二分匹配设计，用于 DID，在可比较单位之间jointly 平衡基线协变量（减少偏误）并最大化处理轨迹随时间的对比（提高效率）。其次，我们建立了 post-matching 随机化条件，这是传统平行趋势假设的 design-based �变， enables 有效的 design-based 推断。最后，我们引入样本平均 DID 比值，这是一种 finite-population-valid 且完全非参数的因果 estimand，可适用于任意处理类型。我们的方法基于 design 的方法，保留了完整的处理剂量信息，避免参数化假设，不依赖 stayers 或准stayers的存在，且完全在 finite-population 框架内运行，不诉诸假设的 super-population 或结果分布。
引用
@article{arxiv.2511.21973,
title = {A Non-Bipartite Matching Framework for Difference-in-Differences with General Treatment Types},
author = {Siyu Heng and Yuan Huang and Hyunseung Kang},
journal= {arXiv preprint arXiv:2511.21973},
year = {2025}
}
备注
This working manuscript reports preliminary results from our ongoing research on this topic. Additional simulation studies, data applications, methodological developments, and detailed results are still in progress and will be incorporated in future versions. This document is therefore not a final version of our work