一次性讲清楚! HonestDiD, 相对幅度约束和平滑性限制的区别与联系, 示例和代码都有.

主要观点总结

本文介绍了关于计量经济圈方法论的各种code程序、宏微观数据库和软件的使用，重点关注HonestDiD软件包的应用，涉及双重机器学习DML、相对幅度约束和平滑性限制等概念和方法。文章还讨论了医疗补助扩展的政策评估案例，并进行了敏感性分析。

关键观点总结

关键观点1: 计量经济圈方法论的各种code程序、宏微观数据库和软件的使用

涉及社群交流、数据访问和多种软件的使用技巧。

关键观点2: HonestDiD软件包的应用介绍

包括处理组与控制组的趋势变化比例控制、平行趋势假设的放宽、稳健性检验等方面的内容。

关键观点3: 双重机器学习DML的概述

涉及用途、步骤、优势等。

关键观点4: 相对幅度约束的介绍

包括核心理念、数学表达、通俗描述和实例分析等内容。

关键观点5: 平滑性限制的解释

涉及定义、为什么要使用、在HonestDiD中的实现步骤等优势。

关键观点6: 医疗补助扩展的政策评估案例

使用HonestDiD软件包进行敏感性分析的过程和结果。

文章预览

凡是搞计量经济的，都关注这个号了 邮箱： econometrics666@126.com 所有计量经济圈方法论 丛的code程序 , 宏微观 数据库和各种软 件都放在社群里.欢迎到计量经济圈社群交流访问 . 接着“ 双重机器学习DML用途, 步骤, 优势, 示例和代码等完整方法, 不信你还不懂, 附code. ” 今天，一次性讲清楚! HonestDiD, 相对幅度约束和平滑性限制的区别与联系, 示例和代码都有。 HonestDiD 软件包实现了 Rambachan 和 Roth (2022) 开发的稳健推断和敏感性分析工具，适用于双重差分法（DiD）和事件研究设计。 Rambachan 和 Roth 提出的稳健推断方法，将一个直观认识形式化：即事前趋势的信息有助于揭示平行趋势假设是否被违反（通过事前的数据来检查或修正平行趋势假设的潜在偏离）。 他们提出了几种方法来形式化这一直观认识。下面来讲一讲两种常用的方法 ：相对幅度约束和平滑 ………………………………