Difference-in-Differences using Double Negative Controls and Graph Neural Networks for Unmeasured Network Confounding-东北师范大学数学与统计学院

当前位置：首页 > 学术活动 > 正文

Difference-in-Differences using Double Negative Controls and Graph Neural Networks for Unmeasured Network Confounding

时间：2025年06月24日 09:31 点击数：

报告人：付连艳

报告地点：本部校区数学与统计学院415报告厅

报告时间：2025年06月24日（星期二）13:30-14:30

邀请人：刘秉辉

报告摘要：

This paper considers a difference-in-differences model with cross-unit interference under unmeasured network confounding. In this setting, social network connections create spillover effects while the latent confounders pose identification challenges. For the effects of interest, we establish nonparametric identification through a pair of negative control variables. The GNN-based estimator simultaneously handles high-dimensional covariates and network structures while maintaining consistency and asymptotic normality under ψ-network dependence assumptions. For an empirical illustration, we apply our method to analyze the effect of High-Tech Enterprise certification on corporate financial performance.

主讲人简介：

付连艳，辽宁大学教授。毕业于东北师范大学数学与统计学院，主要研究方向为计量经济、因果推断及政策评价。入选第三批沈阳市高层次人才之拔尖人才，辽宁省百千万人才工程，获得辽宁大学优秀青年教师称号。全国专业学位水平评估专家，教育部学位中心论文评审专家，中国现场统计研究会经济与金融研究分会、统计交叉研究分会理事。获辽宁省自然科学学术成果二等奖，沈阳市自然科学学术成果一等奖。在国内外统计和计量期刊发表论文20余篇。主持国家社会科学基金一般项目2项：《基于大模型的因果推断方法及在政策评估中的应用研究》（2024-2027）、《基于大数据政策效应评价方法应用研究》（2020-2023），国家自然科学基金青年项目1项：《有序约束下的动态处理效应研究》（2014-2016），以及主持省级项目3项。