인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 저널정보
- 한국통계학회 CSAM(Communications for Statistical Applications and Methods) CSAM(Communications for Statistical Applications and Methods) 제33권 제3호
- 발행연도
- 2026.5
- 수록면
- 277 - 292 (16page)
이용수
초록· 키워드
This paper studies the performance of difference-in-differences (DID) estimators when outcome data for untreated units are entirely unobserved and pseudo-controls are constructed via matching with external donors. This study aims to compare the finite-sample performance of several matching-based DID estimators. In doing so, we additionally formulate inverse probability weighting (IPW) and doubly robust (DR) versions within the matching framework, extending existing approaches beyond the commonly used two-way fixed effects (TWFE) and regression adjustment (REG) estimators. Monte Carlo simulations compare the four estimators under varying covariate specifications, matching quality, and violations of the parallel trends assumption. Results show that well-specified matching improves estimation accuracy and robustness. The reliability of DID estimates in treated-only contexts depends critically on the quality of matching.
#difference-in-differences
#treated-only data
#matching
#propensity score
#doubly robust
#influence function
상세정보 수정요청해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
목차
- Abstract
- 1. Introduction
- 2. Estimation for Matched DID Designs
- 3. Simulation Study
- 4. Conclusion
- References
참고문헌
참고문헌 신청최근 본 자료
