具有潜在大量控制变量的半参数双重差分法
综合经济学
2019-01-09 v3 计量经济学
经济学
摘要
本文讨论了当存在许多控制变量（可能多于样本量）时的双重差分（DID）估计。在这种情况下，要求变量数量有限的传统估计方法不再适用。人们可能考虑使用统计或机器学习（ML）方法。然而，根据 Chernozhukov 等人（2018）提出的著名的 ML 方法推断理论，直接将 ML 方法应用于传统的半参数 DID 估计量将导致显著偏差，并使这些 DID 估计量无法达到 sqrt{N} 一致性。本文针对三种不同的数据结构提出了三种新的 DID 估计量，在应用 ML 方法时能够缩减偏差，并实现 sqrt{N} 一致性与均值为零的渐近正态性。这带来了直接的推断程序。此外，我证明了这些新估计量具有小偏差性质（SBP），即它们的偏差将比其所基于的非参数估计量的逐点偏差更快地收敛到零。
引用
@article{arxiv.1812.10846,
title = {Semiparametric Difference-in-Differences with Potentially Many Control Variables},
author = {Neng-Chieh Chang},
journal= {arXiv preprint arXiv:1812.10846},
year = {2019}
}
备注
63 pages, 20 figures