[控场AI]
概念DiD / Difference-in-Differences

双重差分法

计量经济学中常用的因果推断方法,通过比较处理组与对照组在治疗前后的差异来估计因果效应,核心前提是平行趋势假设(处理组与对照组在无干预情况下应有相同趋势变化)

时间轴 (近 90 天)

10月13日

研究采用双重差分(difference-in-differences)方法,利用各公司采用AI工具时间不同的错峰特征构造准实验条件,以分离AI工具本身的影响。

待验证50%
10月7日

平行趋势假设是双重差分法成立的核心前提,一旦被违反,DiD估计会把原本存在的趋势差异误算为治疗贡献从而产生系统性偏误

待验证50%
10月7日

Claude Code对模拟数据自由分析时围绕双重差分法搭建流程,得出治疗带来24%的增长,是真实效应10%的两倍多

待验证50%
10月7日

合成控制法不要求平行趋势假设,而是对每个处理单元单独构造匹配,在处理组数量较少而对照组数量较多的场景下往往具有更好的适用性

待验证50%
10月7日

在安慰剂测试中,合成控制法90%的估计收窄到-7%到+9%,RMSE降到4.9个百分点,比DiD低了超过三分之一

待验证50%
10月7日

在真实治疗期,合成控制法(原始预订量)估计为7%,合成控制法(每千人口径)估计为9.6%,双重差分法估计为24%,前两者更接近真实的10%

待验证50%
10月7日

在安慰剂测试中,双重差分法90%的估计落在-14%到+10%之间,RMSE为7.6个百分点

待验证50%

全部知识事实 (7)

来源文章