Chernozhukov 团队新论文:DID 设计中的遗漏变量偏差与敏感性分析
analisereal · x · 2026-09-17
Carlos Cinelli 与 Juejue Wang、Pedro Sant'Anna、Victor Chernozhukov 合作发布工作论文《Omitted Variable Bias in Difference-in-Differences Designs》。线程后续内容要点:
- 提出量化 DID 设计中遗漏变量偏差的框架,可计算稳健性值,衡量推翻结论所需的未观测混杂因素最小强度。
- 可将混杂因素「基准化」:与观测协变量同等强度(或足以产生观测到的前期趋势的强度)时会长什么样,用于判断竞争性解释的合理性。
- 该工作与 Rambachan & Roth 等基于 pre-trends 的平行趋势违反基准化方法互补,说明 pre-trend 外推只是衡量混杂强度的方式之一。
- 所有量均可用去偏机器学习以 dml.sensemakr R 包非参数估计(基于 Chernozhukov 等关于 Causal ML 遗漏变量偏差的论文);与常规 DID 包(如 did)集成的软件即将推出。
所属事件:Chernozhukov 团队发布 DID 遗漏变量偏差新论文(2 条相关)→
「研究」频道最新
- BuildingBench 让编码智能体从图片造 3D 建筑,新隐身模型宣称省 10 倍 token — Lianhuiq · 2026-09-17
- 爱丁堡等团队提出 RoMem:用相位旋转处理过期知识,时序推理提升 2-3 倍 — Roger_M_Taylor · 2026-09-17
- 新论文 Instrumental Choices：LLM 智能体违规走捷径行为的可测量基准 — drbiomass · 2026-09-17
- 开源 APABOT:基于 ParlAI 的自闭症谱系对话练习机器人 — AryHHAry · 2026-09-17
- LimiX-2 发布:机制网络新范式登顶 TabArena 表格基准 — stable-ai · 2026-09-17
- 花园与树：数学家畅想 AI 时代数学将分裂为两个社群 — yeastsplainer · 2026-09-17