Causal models for longitudinal and panel data: a survey
纵向与面板数据的因果模型：综述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：摘要明确综述纵向和面板数据中二元干预的因果识别与估计方法。
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
纵向与面板数据的因果模型：综述
- 研究问题
- 纵向和面板数据研究如何可信地估计二元干预的异质性因果效应，尤其是在处理单位较少或分配模式特殊时？
- 方法与思路
- 作者综述近期因果面板文献，围绕双重差分、双向固定效应、因子及交互固定效应模型和合成控制展开讨论。
- 材料陈述的贡献
- 摘要所述贡献是梳理近期方法发展并提供实证研究建议，突出效应异质性、少量处理单位和干预分配结构的重要性。
- 阅读关注点
- 应比较各方法对反事实趋势、处理分配和效应异质性的要求，并核对少量处理单位下估计与推断的适用边界。
- 阅读边界
- 这是文献综述；摘要未列出具体识别条件、方法选择规则或新定理，不能将其概述视为所有方法均适用的保证。
原文摘要
Summary In this survey we discuss the recent causal panel data literature. This recent literature has focused on credibly estimating causal effects of binary interventions in settings with longitudinal data, emphasising practical advice for empirical researchers. It pays particular attention to heterogeneity in the causal effects, often in situations where few units are treated and with particular structures on the assignment pattern. The literature has extended earlier work on difference-in-differences or two-way fixed effect estimators. It has more generally incorporated factor models or interactive fixed effects. It has also developed novel methods using synthetic control approaches.