Quantile treatment effects in difference in differences models with panel data
面板双重差分模型中的分位数处理效应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。
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：摘要直接研究面板双重差分中的已处理者分位数处理效应及其分布识别。
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
面板双重差分模型中的分位数处理效应
- 研究问题
- 如何在双重差分框架下识别已处理群体的分位数处理效应，尤其是如何恢复其未处理结果变化与初始水平之间未知的依赖关系？
- 方法与思路
- 作者结合均值双重差分假设的分布扩展与新的 Copula 稳定性假设，利用面板数据恢复缺失的依赖结构并识别分位数处理效应。
- 材料陈述的贡献
- 摘要称，在上述假设与面板数据下可识别已处理者分位数处理效应；最低工资对地方失业率的应用发现显著的效应异质性。
- 阅读关注点
- 应核对分布双重差分与 Copula 稳定性的准确表述、所需面板时期，以及反事实分布构造和分位数效应估计的实施细节。
- 阅读边界
- 仅依据所给 Crossref 摘要版本；摘要未说明完整支持条件、推断方法或效应数值，常规均值平行趋势本身不足以推出所述识别。
原文摘要
This paper considers identification and estimation of the Quantile Treatment Effect on the Treated (QTT) under a straightforward distributional extension of the most commonly invoked Mean Difference in Differences Assumption used for identifying the Average Treatment Effect on the Treated (ATT). Identification of the QTT is more complicated than the ATT though because it depends on the unknown dependence (or copula) between the change in untreated potential outcomes and the initial level of untreated potential outcomes for the treated group. To address this issue, we introduce a new Copula Stability Assumption that says that the missing dependence is constant over time. Under this assumption and when panel data is available, the missing dependence can be recovered, and the QTT is identified. We use our method to estimate the effect of increasing the minimum wage on quantiles of local labor markets' unemployment rates and find significant heterogeneity.