LongBet: Heterogeneous Treatment Effect Estimation in Panel Data
LongBet：面板数据中的异质性处理效应估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究短面板中的二元处理、潜在结果插补和异质性处理效应。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
LongBet：面板数据中的异质性处理效应估计
- 研究问题
- 在横截面规模大、时间维度短且存在可观测混杂的面板中，如何估计二元处理的异质性效应，并避免依赖平行趋势假设？
- 方法与思路
- 作者将贝叶斯因果森林扩展至面板，构建贝叶斯半参数模型，利用可观测混杂变量插补潜在结果，同时量化估计不确定性。
- 材料陈述的贡献
- 摘要称，方法可估计条件平均处理效应，无须平行趋势，并通过满足及不满足平行趋势的模拟考察其估计表现。
- 阅读关注点
- 应核对替代平行趋势的识别条件、混杂变量的时间位置与充分性，以及面板依赖、异质性建模和后验区间的校准表现。
- 阅读边界
- 这是 arXiv 预印本，同行评审与接收未核实。摘要未说明完整识别假设及模拟数值，不要求平行趋势并不意味着无需其他因果条件。
原文摘要
This paper introduces a novel approach for estimating heterogeneous treatment effects of binary treatment in panel data, particularly focusing on short panel data with large cross-sectional data and observed confoundings. In contrast to traditional literature in difference-in-differences method that often relies on the parallel trend assumption, our proposed model does not necessitate such an assumption. Instead, it leverages observed confoundings to impute potential outcomes and identify treatment effects. The method presented is a Bayesian semi-parametric approach based on the Bayesian causal forest model, which is extended here to suit panel data settings. The approach offers the advantage of the Bayesian approach to provides uncertainty quantification on the estimates. Simulation studies demonstrate its performance with and without the presence of parallel trend. Additionally, our proposed model enables the estimation of conditional average treatment effects, a capability that is rarely available in panel data settings.