Buchumschlag

Difference-in-differences for mediation analysis using double machine learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Huber, Martin, Oberhänsli, Sarina Joy
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Econometrics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Continuous difference-in-differences with double/debiased machine learning
von: Zhang, Lucas Z.
Veröffentlicht: (2024)

Difference-in-differences with a mediator
von: Deng, Yuhao, et al.
Veröffentlicht: (2026)

Testing identification in mediation and dynamic treatment models
von: Huber, Martin, et al.
Veröffentlicht: (2024)

Bootstrap consistency for general double/debiased machine learning estimators
von: Lin, Ziming, et al.
Veröffentlicht: (2026)

Semiparametric inference for impulse response functions using double/debiased machine learning
von: Ballinari, Daniele, et al.
Veröffentlicht: (2024)

An Introduction to Causal Discovery
von: Huber, Martin
Veröffentlicht: (2024)

Difference-in-Differences with Time-varying Continuous Treatments using Double/Debiased Machine Learning
von: Haddad, Michel F. C., et al.
Veröffentlicht: (2024)

Learning and Testing Exposure Mappings of Interference using Graph Convolutional Autoencoder
von: Huber, Martin, et al.
Veröffentlicht: (2026)

Learning control variables and instruments for causal analysis in observational data
von: Apfel, Nicolas, et al.
Veröffentlicht: (2024)

When Do Treatment Changes Identify Causal Effects?
von: Huber, Martin
Veröffentlicht: (2026)

A machine learning approach to volatility forecasting
von: Christensen, Kim, et al.
Veröffentlicht: (2026)

Machine Learning for Detecting Collusion and Capacity Withholding in Wholesale Electricity Markets
von: Proz, Jeremy, et al.
Veröffentlicht: (2025)

Sensitivity Analysis for Treatment Effects in Difference-in-Differences Models using Riesz Representation
von: Bach, Philipp, et al.
Veröffentlicht: (2025)

A joint test of unconfoundedness and common trends
von: Huber, Martin, et al.
Veröffentlicht: (2024)

Automatic debiased machine learning and sensitivity analysis for sample selection models
von: Bjelac, Jakob, et al.
Veröffentlicht: (2026)

Double machine learning for causal inference in a multivariate sample selection model
von: Dolgikh, Sofiia, et al.
Veröffentlicht: (2025)

Misclassification in Difference-in-differences Models
von: Denteh, Augustine, et al.
Veröffentlicht: (2022)

Catching Bid-rigging Cartels with Graph Attention Neural Networks
von: Imhof, David, et al.
Veröffentlicht: (2025)

Interacting Treatments with Endogenous Takeup
von: Kormos, Mate, et al.
Veröffentlicht: (2023)

Bayesian modelling of VAR precision matrices using stochastic block networks
von: Huber, Florian, et al.
Veröffentlicht: (2024)

ddml: Double/debiased machine learning in Stata
von: Ahrens, Achim, et al.
Veröffentlicht: (2023)

Testing Effect Homogeneity and Confounding in High-Dimensional Experimental and Observational Studies
von: Armendariz, Ana, et al.
Veröffentlicht: (2026)

Difference-in-Differences using Double Negative Controls and Graph Neural Networks for Unmeasured Network Confounding
von: Zhang, Zihan, et al.
Veröffentlicht: (2026)

Causal mechanism and mediation analysis for macroeconomics dynamics: a bridge of Granger and Sims causality
von: Dufour, Jean-Marie, et al.
Veröffentlicht: (2025)

Comment on "Generic machine learning inference on heterogeneous treatment effects in randomized experiments."
von: Imai, Kosuke, et al.
Veröffentlicht: (2025)

Addressing sample selection bias for machine learning methods
von: Dylan Brewer, et al.
Veröffentlicht: (2024)

Identifying factors via automatic debiased machine learning
von: Esfandiar Maasoumi, et al.
Veröffentlicht: (2024)

The benefits of forecasting inflation with machine learning: New evidence
von: Andrea A. Naghi, et al.
Veröffentlicht: (2024)

Difference-in-Differences with Interference
von: Xu, Ruonan
Veröffentlicht: (2023)

Difference-in-differences with as few as two cross-sectional units -- A new perspective to the democracy-growth debate
von: Koumou, Gilles, et al.
Veröffentlicht: (2024)

Conditional Triple Difference-in-Differences
von: Leventer, Dor
Veröffentlicht: (2025)

Difference-in-Differences with Interval Data
von: Kurisu, Daisuke, et al.
Veröffentlicht: (2025)

Sequential Synthetic Difference in Differences
von: Arkhangelsky, Dmitry, et al.
Veröffentlicht: (2024)

Difference-in-Differences with Compositional Changes
von: Sant'Anna, Pedro H. C., et al.
Veröffentlicht: (2023)

Difference-in-Differences with Sample Selection
von: Rathnayake, Gayani, et al.
Veröffentlicht: (2024)

Difference-in-Differences with Multiple Events
von: Tsai, Lin-Tung
Veröffentlicht: (2024)

Difference-in-Differences with Unpoolable Data
von: Karim, Sunny, et al.
Veröffentlicht: (2024)

Triple Instrumented Difference-in-Differences
von: Miyaji, Sho
Veröffentlicht: (2025)

MSE-Optimal Difference-in-Differences Estimator
von: Igarashi, Yamato
Veröffentlicht: (2026)

Doubly Robust Instrumented Difference-in-Differences
von: Raaschou-Pedersen, Jonas Skjold
Veröffentlicht: (2026)