(Empirical) Bayes Approaches to Parallel Trends
应对平行趋势偏离的贝叶斯与经验贝叶斯方法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：摘要直接讨论平行趋势偏离、处理效应与处理后偏误，因此归入因果推断；未明确提出专门的面板估计方法。
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
应对平行趋势偏离的贝叶斯与经验贝叶斯方法
- 研究问题
- 当平行趋势存在偏离时，如何利用处理前趋势的信息推断处理后偏误，并据此估计目标处理效应及其不确定性？
- 方法与思路
- 作者提出对处理前后趋势偏离设定联合先验，再利用处理前趋势估计更新后验；经验贝叶斯方法从处理前观测学习先验。
- 材料陈述的贡献
- 摘要称，两种方法可形成处理效应的后验均值和可信集，并通过两个实证应用展示如何利用处理前信息处理趋势偏离。
- 阅读关注点
- 应核对先验如何连接处理前后偏离、处理前估计误差如何进入后验，以及先验学习方式和结果对先验设定的敏感性。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明先验限制，也不能据此判断可信集的频率学覆盖率。
原文摘要
We consider Bayes and Empirical Bayes (EB) approaches for dealing with violations of parallel trends. In the Bayes approach, the researcher specifies a prior over both the pre-treatment violations of parallel trends $δ_{pre}$ and the post-treatment violations $δ_{post}$. The researcher then updates their posterior about the post-treatment bias $δ_{post}$ given an estimate of the pre-trends $δ_{pre}$. This allows them to form posterior means and credible sets for the treatment effect of interest, $τ_{post}$. In the EB approach, the prior on the violations of parallel trends is learned from the pre-treatment observations. We illustrate these approaches in two empirical applications.