Confidence intervals of treatment effects in panel data models with interactive fixed effects
交互固定效应面板模型中处理效应的置信区间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。
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：摘要明确以交互固定效应面板为模型，并为单位和时期层面的处理效应构造置信区间，直接对应面板数据与因果推断。
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…
关注这篇论文的作者
交互固定效应面板模型中处理效应的置信区间
- 研究问题
- 如何为交互固定效应面板中的每个处理单位、每个处理后时期构造置信区间，同时允许个体误差具有非参数分布和弱依赖？
- 方法与思路
- 作者为已有因子型处理效应估计加入残差自助法区间，在控制单位数与处理前时期数同时增大时证明有效性，并扩展至单位根情形。
- 材料陈述的贡献
- 摘要称，区间无需个体误差的参数分布假设，允许弱横截面和时间依赖；模拟中优于正态分位数区间，并补充两组应用的区间估计。
- 阅读关注点
- 应核对残差重抽样如何保留依赖、两个样本维度的增长条件，以及因子估计误差、单位根扩展和逐单位逐时期覆盖率的处理。
- 阅读边界
- 仅据所给出版社摘要；弱依赖范围及自助法细节未说明，也未说明是否提供跨单位跨时期的联合覆盖，不能据模拟认定普遍优势。
原文摘要
We augment the factor-based estimation of treatment effects proposed by Bai and Ng (2021) with easy-to-implement and nonparametric confidence intervals of treatment effects on every treated unit at every post-treatment time. The construction of confidence intervals entails a residual-based bootstrap resampling procedure. This method does not rely on any parametric assumption on the distribution of idiosyncratic errors and it is robust to weak cross-sectional and time-series dependence among idiosyncratic errors. We prove the asymptotic validity of the proposed confidence intervals as the numbers of control units and pre-treatment times go to infinity. We also extend this method to cases where the common factors and covariates (if any) are unit root processes. Monte Carlo experiments show that the proposed confidence intervals are well-behaved in finite samples and outperform confidence intervals based on normal quantiles. Empirical applications with two classical datasets add informative confidence intervals to existing point estimates of treatment effects.