The State of Applied Econometrics - Causality and Policy Evaluation
应用计量经济学现状：因果关系与政策评估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：摘要明确围绕政策评估、因果识别策略与异质性处理效应展开，合成控制的出现不足以单独支持面板方向分类。
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
应用计量经济学现状：因果关系与政策评估
- 研究问题
- 面向政策评估的实证研究，如何结合新的识别策略、补充可信度分析与机器学习方法，改进因果问题的研究设计？
- 方法与思路
- 作者按识别策略、安慰剂及敏感性与稳健性分析、机器学习因果方法三个方面综述进展，并提出应用研究建议。
- 材料陈述的贡献
- 摘要称梳理合成控制、断点回归、外部有效性及回归因果解释，并讨论高维调整和异质性处理效应识别估计。
- 阅读关注点
- 全文应核对各项应用建议针对的识别问题，区分补充分析与识别条件的作用，并检查机器学习方法的适用范围。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或被期刊接收；摘要未展开具体建议、识别条件及各方法间的比较证据。
原文摘要
In this paper we discuss recent developments in econometrics that we view as important for empirical researchers working on policy evaluation questions. We focus on three main areas, where in each case we highlight recommendations for applied work. First, we discuss new research on identification strategies in program evaluation, with particular focus on synthetic control methods, regression discontinuity, external validity, and the causal interpretation of regression methods. Second, we discuss various forms of supplementary analyses to make the identification strategies more credible. These include placebo analyses as well as sensitivity and robustness analyses. Third, we discuss recent advances in machine learning methods for causal effects. These advances include methods to adjust for differences between treated and control units in high-dimensional settings, and methods for identifying and estimating heterogeneous treatment effects.