Linear Estimation of Structural and Causal Effects for Nonseparable Panel Data
非可分面板数据模型中结构与因果效应的线性估计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：摘要同时研究非可分面板模型、结构福利参数与潜在结果框架下的因果效应。
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…
非可分面板数据模型中结构与因果效应的线性估计
- 研究问题
- 当非可分面板模型含与解释变量相关的时变个体异质性时，如何用线性估计器估计因果效应、消费者福利及平均弹性？
- 方法与思路
- 作者以个体特定参数的线性筛逼近条件平均潜在结果，偏差校正后平均个体 Ridge 回归，并建立可容纳离散解释变量的大 T 渐近理论。
- 材料陈述的贡献
- 摘要称估计器具有经验贝叶斯解释，可用于因果效应、福利及应税收入弹性，并以食品杂货购买数据估计涨价的等价变差和无谓损失。
- 阅读关注点
- 应核对非可分模型的识别限制、线性筛逼近与偏差校正，以及大 T 条件下离散解释变量为何能够绕开部分识别。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收均未核验；摘要未列出识别条件、收敛速率或应用数值，大 T 结果不能直接保证短面板表现。
原文摘要
This paper develops linear estimators for structural and causal parameters of nonseparable models using panel data. These models incorporate unobserved, time-varying, individual heterogeneity, which may be correlated with the regressors. Estimation is based on an approximation of a conditional average potential outcome by a linear sieve specification with individual-specific parameters. Effects of interest are estimated by a bias corrected average of individual ridge regressions. We demonstrate how this approach can be applied to estimate causal effects, counterfactual consumer welfare, and averages of individual taxable income elasticities. We show that the proposed estimator has an empirical Bayes interpretation and possesses a number of other useful properties. We formulate Large-$T$ asymptotics that can accommodate discrete regressors and which bypass partial identification in this case. We employ the methods to estimate average equivalent variation and deadweight loss for potential price increases using data on grocery purchases.