Bounds on distributional treatment effect parameters using panel data with an application on job displacement
利用面板数据界定分布处理效应：失业冲击应用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：摘要明确结合潜在结果、面板信息与分布处理效应的部分识别。
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
利用面板数据界定分布处理效应：失业冲击应用
- 研究问题
- 当分布处理效应依赖无法直接识别的潜在结果联合分布时，如何利用面板信息收紧界限，并揭示大衰退期间失业冲击的异质性？
- 方法与思路
- 作者利用面板数据，并对处理组未处理潜在结果的跨期依赖增加假设，以界定分布处理效应参数，再应用于大衰退期间的工作流失。
- 材料陈述的贡献
- 摘要称，新方法比既有界限提供更多识别信息；应用中平均收入损失为反事实收入的 34%，且这一均值掩盖了显著个体异质性。
- 阅读关注点
- 应核对新增跨期依赖假设的准确形式、界限是否锐利、与既有界限的可比条件，以及收入损失和异质性的不确定性如何报告。
- 阅读边界
- 仅据所给出版社摘要，无法判断新增假设的可信度或界限宽度；34% 是作者报告的应用结果，不能据此还原个体效应分布。
原文摘要
This paper develops new techniques to bound distributional treatment effect parameters that depend on the joint distribution of potential outcomes — an object not identified by standard identifying assumptions such as selection on observables or even when treatment is randomly assigned. I show that panel data and an additional assumption on the dependence between untreated potential outcomes for the treated group over time (i) provide more identifying power for distributional treatment effect parameters than existing bounds and (ii) provide a more plausible set of conditions than existing methods that obtain point identification. I apply these bounds to study heterogeneity in the effect of job displacement during the Great Recession. Using standard techniques, I find that workers who were displaced during the Great Recession lost on average 34% of their earnings relative to their counterfactual earnings had they not been displaced. Using the methods developed in the current paper, I also show that the average effect masks substantial heterogeneity across workers.