Microfoundations and the Causal Interpretation of Price-Exposure Designs
价格暴露设计的微观基础与因果解释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：摘要核心是地区价格暴露工具变量设计的因果解释与推断；虽涉及总量冲击，但未采用 VAR 或局部投影。
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…
价格暴露设计的微观基础与因果解释
- 研究问题
- 以单一商品价格冲击作为工具的地区暴露设计，何时具有清晰的因果解释？研究同时分析估计目标受污染及常规推断过度拒绝的问题。
- 方法与思路
- 作者结合多部门劳动模型与潜在结果框架，分解两阶段最小二乘和双向固定效应的估计目标，并提出敏感性分析及新标准误。
- 材料陈述的贡献
- 摘要称，研究刻画异质效应加权项与价格协方差、一般均衡响应带来的污染项，并给出因果解释条件及改善推断的方法。
- 阅读关注点
- 应核对单一冲击提供的识别变异、效应权重与污染项的定义，以及新标准误的渐近框架、敏感性参数和模拟设定。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收均未核实；摘要未列出完整识别条件，亚马孙应用的显著性变化也不能代表所有暴露设计。
原文摘要
This paper studies regional exposure designs that use commodity prices as instruments to study local effects of aggregate shocks. Unlike standard shift share designs that leverage differential exposure to many shocks, the price exposure relies on exogenous variation from a single shock, leading to challenges for both identification and inference. We motivate the design using a multi sector labor model. Under the model and a potential outcomes framework, we characterize the 2SLS and TWFE estimands as weighted averages of region and sector specific effects plus contamination terms driven by the covariance structure of prices and by general-equilibrium output responses. We derive conditions under which these estimands have a clear causal interpretation and provide simple sensitivity analysis procedures for violations. Finally, we show that standard inference procedures suffer from an overrejection problem in price-exposure designs. We derive a new standard error estimator and show its desirable finite-sample properties through Monte Carlo simulations. In an application to gold mining and homicides in the Amazon, the price exposure standard errors are roughly twice as large as conventional clustered standard errors, making the main effect statistically insignificant.