Dynamic covariate balancing: estimating treatment effects over time with potential local projections
动态协变量平衡：用潜在结果局部投影估计跨期处理效应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：摘要明确研究面板中的动态处理分配、潜在结果与处理效应估计。
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
动态协变量平衡：用潜在结果局部投影估计跨期处理效应
- 研究问题
- 在处理随既往结果、处理历史和高维协变量动态分配的面板中，如何估计跨期处理效应，并允许历史处理影响后续结果与协变量？
- 方法与思路
- 作者递归地将潜在结果期望投影到过去历史，通过跨期平衡可观测特征控制非实验性与序贯分配带来的偏差，并建立高维推断结果。
- 材料陈述的贡献
- 摘要称，该方法容许动态分配、完整处理历史依赖与效应异质性，并在可观测特征数显著超过样本量时提供推断保证及数值和实证展示。
- 阅读关注点
- 应核对序贯识别与重叠条件、动态平衡约束、潜在结果投影的逼近误差，以及处理路径、预测期限和高维特征增长如何影响推断。
- 阅读边界
- 所给来源为 arXiv 预印本，同行评审或期刊接收未获核实；摘要未列出完整识别假设及应用细节，动态平衡不能据此视为消除了未观测混杂。
原文摘要
This paper studies the estimation and inference of treatment effects in panel data settings when treatments change dynamically over time. We propose a balancing method that allows for (i) treatments to be assigned dynamically over time based on high-dimensional covariates, past outcomes, and treatments; (ii) outcomes and time-varying covariates to depend on the trajectory of all past treatments; (iii) heterogeneity of treatment effects. Our approach recursively projects potential outcomes' expectations on past histories. It then controls the bias arising from the non-experimental and sequential nature of this setting by balancing dynamically observable characteristics over time. We establish inferential guarantees of the proposed method even when the number of observable characteristics significantly exceeds the sample size. We study numerical properties of the estimator and illustrate the benefits of the procedure in an empirical application.