Policy Evaluation with Nonlinear Trended Outcomes: Covid‐19 Vaccination Rates in the United States
非线性趋势结果的政策评价：美国新冠疫苗接种率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：摘要讨论政策评价中的双向固定效应，并使用动态俱乐部归属和面板回归分析州级结果。
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…
非线性趋势结果的政策评价：美国新冠疫苗接种率
- 研究问题
- 当结果变量具有非线性或随机趋势、政策会改变趋势路径时，双向固定效应为何可能失效，应如何评价长期政策影响？
- 方法与思路
- 作者通过相对收敛检验允许收敛俱乐部成员动态变化，再以面板有序 logit 分析成员归属，并应用于美国接种政策数据。
- 材料陈述的贡献
- 摘要提出随时间转换的收敛聚类评价框架，并称联邦疫苗强制政策促使各州接种率在 2021 年九月中旬合并为单一聚类。
- 阅读关注点
- 核对趋势与俱乐部转换的处理方式、政策影响如何识别，以及联邦政策、州政策演化和其他同期因素如何在分析中区分。
- 阅读边界
- 仅据所给 Crossref 摘要解读，未核验刊本变化；政策因果识别条件未说明，观察到收敛聚类合并本身不足以验证政策因果效应。
原文摘要
ABSTRACT This paper discusses pitfalls in two way fixed effects (TWFE) regressions when the outcome variables contain nonlinear and possibly stochastic trend components. If a policy change shifts trend paths of outcome variables, TWFE estimation can distort results and invalidate inference, especially in a context of evolving policy decisions. A robust solution is proposed by allowing for dynamic club membership empirically using a relative convergence test procedure. The determinants of respective club memberships are assessed by panel ordered logit regressions. The approach allows for policy evolution and shifts in outcomes according to a convergence cluster framework with transitions over time and the possibility of eventual convergence to a single cluster as policy impacts mature. The long run impact of a policy can thus be examined via its impact on convergence club membership. An application to new weekly US Covid‐19 vaccination policy data reveals that federal level vaccine mandates produced a merger of state vaccination rates into a single convergence cluster by mid‐September 2021.