具有可能非连续结果的处理组上的分位数与分布处理效应

应用双重差分研究通常涉及离散、混合、删失或其他非连续分布的结果，而政策问题往往关注分布效应而非仅均值效应。本文在给定的识别条件和正则性条件下，发展了一个分布式双重差分框架，用于识别和处理组上的分布处理效应和分位数处理效应，并进行一致推断。识别基于分布式平行趋势和无预期假设，并通过一个产生计数型未处理潜在结果的犯罪经济模型加以说明。识别与渐近理论适用于交错处理采纳以及涵盖重复横截面、非平衡面板、旋转面板和平衡面板的一般抽样方案。本文还提出了一种函数型过度识别约束检验，作为对识别假设和工作累积分布函数（CDF）设定的诊断工具。一项关于警察对犯罪影响的实证应用说明了该方法的实际相关性，并展示了如何将分布效应解释为计数结果的事件概率效应。