de Chaisemartin 团队推出免费 DiD 估计量选择指南
avicgoldfarb · x · 2026-11-03
Clément de Chaisemartin 团队发布了免费的交互式指南「Which Difference-in-Differences Estimator Should I Use?」,帮助实证研究者选择合适的 DiD 估计量。
核心逻辑是:不存在普遍最优的 DiD 估计量,正确选择取决于研究设计与想估计的效应。指南通过一系列问题帮用户刻画自己的设计——处理是否二元、是否不可逆(.absorbing)、各组采用时间是否不同、处理是否会多次变化、滞后处理是否影响当前结果、是否存在未处理/尚未处理组等——然后指出兼容的异质性稳健估计量(仅依赖无预期和平行趋势假设)。
配套资源:
- Stata 用户可运行 whichDIDshouldIuse 命令自动刻画研究设计
- 附有基于教材《Causal Inference with Differences-in-Differences》的设计-估计量对照表,含命令与包列表,均可做预趋势检验
- 还有 ChatDID 可提问
「研究」频道最新
- 新方法从零分模型预测基准成绩:算力省 5600 倍,误差 3 分内 — kenziyuliu · 2026-11-04
- 团队 2 天半烧 100 亿 token 打造全城级世界模型 Omniscience — Kuprel · 2026-11-04
- 伯克利团队提出 Data Inoculation：用 RL 在采数据时就提升质量 — berkeley_ai · 2026-11-04
- Map2Video：用地图和街景控制真实地点的 AI 视频生成 — ryosuzk · 2026-11-04
- Xudong Sun 获 SIGOPS Dennis M. Ritchie 博士论文奖荣誉提名 — LingmingZhang · 2026-11-04
- 首例人体试验：单碱基基因编辑成功治疗遗传性肝病 — theimposingshadow · 2026-11-04