Causality in Econometrics: Choice vs Chance
计量经济学中的因果关系：选择与随机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：摘要明确讨论因果推断方法及局部平均处理效应框架的演进与汇合。
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
计量经济学中的因果关系：选择与随机
- 研究问题
- 以随机实验为起点的统计因果方法，与强调经济主体最优选择的计量方法如何演进并汇合，局部平均处理效应框架发挥了什么作用？
- 方法与思路
- 作者以方法论论文形式回顾两条因果推断路径，讨论局部平均处理效应如何使关键假设透明，并展望兼顾透明性和相关性的新发展。
- 材料陈述的贡献
- 摘要中作者认为，局部平均处理效应框架促进了跨领域的方法汇合，其作用在于让关键假设更清楚且容易理解。
- 阅读关注点
- 应核对文中如何描述两条方法路径、如何解释选择行为与随机性，以及所讨论的新发展在哪些方面保持假设透明和经济相关性。
- 阅读边界
- 仅据所给 Crossref 摘要，这是方法论论述；摘要未提供新的估计量、定理或实证结果，也不足以验证其历史与方法评价。
原文摘要
This essay describes the evolution and recent convergence of two methodological approaches to causal inference. The first one, in statistics, started with the analysis and design of randomized experiments. The second, in econometrics, focused on settings with economic agents making optimal choices. I argue that the local average treatment effects framework facilitated the recent convergence by making key assumptions transparent and intelligible to scholars in many fields. Looking ahead, I discuss recent developments in causal inference that combine the same transparency and relevance.