Time-Varying Heterogeneous Treatment Effects in Event Studies
事件研究中的时变异质性处理效应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。
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：摘要明确研究事件研究处理效应，并采用短期动态面板与相关随机系数模型。
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
事件研究中的时变异质性处理效应
- 研究问题
- 在事件研究中，遗漏滞后因变量如何影响时变处理效应估计，又如何同时刻画状态依赖与个体层面的效应异质性？
- 方法与思路
- 作者构建含相关随机系数的短期动态线性面板模型，以时间序列过程降低异质效应维度，再用拟极大似然和经验贝叶斯两步估计。
- 材料陈述的贡献
- 摘要称揭示遗漏滞后因变量引起的偏差，提出渐近具有比率最优性的估计程序，并讨论无预期及处理时点组间同质性等假设。
- 阅读关注点
- 应核对动态面板的识别限制、初始条件与随机系数相关结构，以及比率最优性的损失基准和事件研究假设的对应关系。
- 阅读边界
- 所给版本为 arXiv 预印本，不能据此确认同行评审或期刊接收；摘要未列出识别及最优性条件，不能推断所有事件研究都应加入滞后项。
原文摘要
This paper examines the identification and estimation of heterogeneous treatment effects in event studies, emphasizing the importance of both lagged dependent variables and treatment effect heterogeneity. We show that omitting lagged dependent variables can induce omitted variable bias in the estimated time-varying treatment effects. We develop a novel semiparametric approach based on a short-T dynamic linear panel model with correlated random coefficients, where the time-varying heterogeneous treatment effects can be modeled by a time-series process to reduce dimensionality. We construct a two-step estimator employing quasi-maximum likelihood for common parameters and empirical Bayes for the heterogeneous treatment effects. The procedure is flexible, easy to implement, and achieves ratio optimality asymptotically. Our results also provide insights into common assumptions in the event study literature, such as no anticipation, homogeneous treatment effects across treatment timing cohorts, and state dependence structure.