关于去偏和半参数高效的 Changes-in-Changes 估计器
统计方法学
2025-08-20 v2 计量经济学
摘要
我们提出了对Athey和Imbens(2006)提出的具有影响力的changes-in-changes(CiC)框架的一种新型扩展，用于估计面向治疗对象(ATT)的平均处理效应以及面板数据中分布因果效应的估计，在存在未测量混杂因素的情况下。虽然CiC在差分-差分(DiD)中放宽了平行趋势假设，但现有方法通常假设标量未观测混杂因素和单调的结果关系，且缺乏能够灵活容纳连续协变量的推断工具。为了回应在混合混杂和丰富协变量信息的实证情境，我们作出两项主要贡献。首先，我们在放宽假设后建立了非参数识别，这些假设允许高维、非单调的未测量混杂。其次，我们推导了半参数高效估计器，这些估计器对无限维 nuisance 参数是 Neyman 正交的，从而即使在基于机器学习的 nuisance 组件估计中也能实现有效推断。我们在一个实证分析中展示了该方法的实用性，该分析考察了 mass shootings和美国选举结果之间的关系，其中关键混杂因素，如政治动员或当地枪支文化，通常是未观测且难以量化的。
引用
@article{arxiv.2507.07228,
title = {On a Debiased and Semiparametric Efficient Changes-in-Changes Estimator},
author = {Jinghao Sun and Eric J. Tchetgen Tchetgen},
journal= {arXiv preprint arXiv:2507.07228},
year = {2025}
}