双重稳健差分中的差分估计及其在交通安全评估中的应用
应用统计
2021-01-05 v2
摘要
差分中的差分(DID)是一种广泛使用的从观测面板数据中提取因果推断的方法。DID的两种常见估计策略是结果回归和倾向得分加权。本文受交通安全研究中的真实应用启发，提出了一种混合回归与倾向得分加权的新型双重稳健DID估计量。我们特别关注离散结果的情形。我们证明了所提出的双重稳健估计量具有理想的大样本稳健性性质。我们进行了模拟研究以检验其有限样本表现并与替代方法比较。来自宾夕法尼亚州交通部数据的实证结果表明，隆声带在减少车辆碰撞方面边际有效。
引用
@article{arxiv.1901.02152,
title = {Double-Robust Estimation in Difference-in-Differences with an Application to Traffic Safety Evaluation},
author = {Fan Li and Fan Li},
journal= {arXiv preprint arXiv:1901.02152},
year = {2021}
}
备注
31 pages, 1 figure, 5 tables; the paper is published in Observational Studies