跳到正文
← 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：摘要直接研究交互固定效应下已处理者平均效应的识别，并强调少时期面板及重复截面数据，故归入因果推断与面板数据。

difference in differencesinteractive fixed effectstreatment effectstreatment effectfixed effectsidentificationpanel
反馈分类问题

正在核对关联版本…

DOI · 预印本使用 arXiv 编号

arXiv

作者的期刊发表依据

暂未核实关联作者的本站覆盖期刊正式发表记录。仍保留在“全部预印本”；资料缺失不代表没有发表经历。

arXiv：2006.15780 · v3

首次提交：2020-06-29 · 最近修订：2022-02-14

原站分类：econ.EM

收录依据：arXiv 计量经济学分类（econ.EM）；关注作者姓名匹配：Brantly Callaway（同名需核验）

下载 BibTeX下载 RIS

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
Brantly Callaway
Sonia Karami

AI 解读 · 基于可核验材料

少量时期下交互固定效应模型的处理效应

研究问题
当未处理结果包含随时间改变影响的个体不可观测特征时，如何在时期数固定且较少的条件下识别和估计已处理者平均效应？
方法与思路
作者采用交互固定效应描述未处理潜在结果，并利用某个时间不变协变量的效应不随时间改变这一条件，研究面板及重复截面识别。
材料陈述的贡献
摘要称该框架推广双重差分和个体线性趋势模型，无需时期数趋于无穷，在所述条件下最少三个时期即可识别已处理者平均效应。
阅读关注点
应核对稳定协变量效应条件的经济含义、三期识别所需的其他限制，以及面板与重复截面估计程序和推断条件的差异。
阅读边界
这是 arXiv 预印本，不能据此声称已经同行评审或期刊接收；摘要未列出全部识别条件，不能将三期识别理解为无条件结论。

GPT-6.1 Sol · 高 · 2026-10-03

原文摘要

This paper considers identifying and estimating the Average Treatment Effect on the Treated (ATT) when untreated potential outcomes are generated by an interactive fixed effects model. That is, in addition to time-period and individual fixed effects, we consider the case where there is an unobserved time invariant variable whose effect on untreated potential outcomes may change over time and which can therefore cause outcomes (in the absence of participating in the treatment) to follow different paths for the treated group relative to the untreated group. The models that we consider in this paper generalize many commonly used models in the treatment effects literature including difference in differences and individual-specific linear trend models. Unlike the majority of the literature on interactive fixed effects models, we do not require the number of time periods to go to infinity to consistently estimate the ATT. Our main identification result relies on having the effect of some time invariant covariate (e.g., race or sex) not vary over time. Using our approach, we show that the ATT can be identified with as few as three time periods and with panel or repeated cross sections data.

摘要来源：arXiv

笔记与分组