A Pseudo Panel Difference-in-Differences (DiD) Analysis of Online Shopping Behavior in the Puget Sound Regional Council (PSRC) Region
普吉特海湾地区在线购物行为的伪面板双重差分分析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：摘要明确采用倾向得分加权、伪面板和双重差分思路分析重复截面调查，直接涉及因果推断与面板方法。
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…
普吉特海湾地区在线购物行为的伪面板双重差分分析
- 研究问题
- 在无法持续追踪同一家庭的情况下，如何利用重复截面出行调查，研究疫情前后配送频率及不同家庭之间的变化差异？
- 方法与思路
- 作者对重复截面调查进行倾向得分加权，构造伪面板比较，并通过处理组之间加权配送频率的变化讨论因果效应。
- 材料陈述的贡献
- 摘要报告了住宅类型与配送频率的关联，以及车辆不足家庭相对配送增长的疫情前后反转，并展示伪面板分析的应用。
- 阅读关注点
- 应核对处理组与对照组定义、各期样本构成及权重构造，并检查平行趋势、共同支持和疫情同期其他变化的处理。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未经核实；摘要未说明关键识别条件，所报组间变化不能直接确认为因果效应。
原文摘要
Online shopping is a growing trend, particularly following the COVID-19 lock-downs enacted by many cities. Understanding these trends requires robust panel dat methods. However, panel data (i.e., with repeated measurements of the same observational units) are often unavailable. In this study, we use a propensity score weighting (PSW) approach to adjust repeated cross-sectional travel diary surveys collected in the Puget Sound Regional Council (PSRC) region. The most common home delivery is packages (2.09 days per week in 2023), followed by food (0.36 days per week in 2023). We find that single-family detached and townhouse residents tend to receive more home deliveries than those living in apartments. We also find a difference in several patterns pre- and post-COVID pandemic. Vehicle deficient households did not exhibit the same increase in home delivery frequency as other households pre-COVID, but the pattern reversed in the post-COVID period - i.e., vehicle deficient households saw a relative increase in delivery frequency. Overall, this study demonstrates the pseudo-panel approach to causal inference by leveraging differences in PSW-weighted in delivery frequency across treatment groups.