Randomization Inference Tests for Shift-Share Designs
Shift-Share 设计的随机化推断检验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：摘要研究 shift-share 设计中的冲击指派、处理效应异质性和随机化推断，支持因果推断分类；空间相关不等于网络干扰。
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…
Shift-Share 设计的随机化推断检验
- 研究问题
- 在 shift-share 研究设计中，允许任意空间相关时，如何兼顾冲击较少或集中的情形，以及冲击指派和效应异质性的限制？
- 方法与思路
- 作者提出替代的随机化推断方法，试图结合既有方法的优势，并分别在较强与较弱假设下讨论有限样本和渐近有效性。
- 材料陈述的贡献
- 摘要称，新方法在较强假设下具有有限样本有效性，在较弱假设下具有渐近有效性，回应已有推断方法的适用权衡。
- 阅读关注点
- 应核对随机化所依据的冲击指派机制、有限样本与渐近结论的假设差异，以及冲击集中和效应异质性的允许范围。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要未列具体假设，也未报告检验功效或有限样本比较。
原文摘要
We consider the problem of inference in shift-share research designs. The choice between existing approaches that allow for unrestricted spatial correlation involves tradeoffs, varying in terms of their validity when there are relatively few or concentrated shocks, and in terms of the assumptions on the shock assignment process and treatment effects heterogeneity. We propose alternative randomization inference methods that combine the advantages of different approaches. These methods are valid in finite samples under relatively stronger assumptions, while asymptotically valid under weaker assumptions.