Individual Causal Inference Using Panel Data With Multiple Outcomes
利用多结果面板数据进行个体因果推断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：摘要明确以多结果短面板和交互固定效应估计个体处理效应，直接涉及因果推断及面板数据。
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
利用多结果面板数据进行个体因果推断
- 研究问题
- 当处理分配和潜在结果都与不可观测个体特征相关时，如何利用多个相关结果和短面板资料估计个体层面的处理效应？
- 方法与思路
- 作者基于交互固定效应模型构造个体效应估计方法，面向个体数较大、时期数较少且每个个体具有多个相关结果的面板。
- 材料陈述的贡献
- 摘要称方法在 Monte Carlo 模拟中优于相关方法，并以俄勒冈医保实验资料展示医保覆盖对个体急诊使用的效应估计。
- 阅读关注点
- 核对多个结果如何帮助识别共同不可观测因素、个体效应的估计条件，以及短面板下的误差、不确定性与应用解释。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核实；摘要未说明完整识别限制，允许不可观测相关性不代表任意混杂均可解决。
原文摘要
Policy evaluation in empirical microeconomics has been focusing on estimating the average treatment effect and more recently the heterogeneous treatment effects, often relying on the unconfoundedness assumption. We propose a method based on the interactive fixed effects model to estimate treatment effects at the individual level, which allows both the treatment assignment and the potential outcomes to be correlated with the unobserved individual characteristics. This method is suitable for panel datasets where multiple related outcomes are observed for a large number of individuals over a small number of time periods. Monte Carlo simulations show that our method outperforms related methods. To illustrate our method, we provide an example of estimating the effect of health insurance coverage on individual usage of hospital emergency departments using the Oregon Health Insurance Experiment data.