Event-Study Designs for Discrete Outcomes with Latent Transition Heterogeneity
具有潜在转移异质性的离散结果事件研究设计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：摘要明确研究离散结果面板中的事件研究与 ATT 识别，并用短面板处理潜在异质性，直接对应因果推断和面板数据。
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
具有潜在转移异质性的离散结果事件研究设计
- 研究问题
- 在离散结果短面板中，如何处理基线差异、概率边界与潜在转移异质性，识别受处理者平均处理效应并解释其变化来源？
- 方法与思路
- 作者以潜在类型内的转移独立性替代平行趋势，将结果过程建模为有限混合马尔可夫链，识别类型层面及总体 ATT。
- 材料陈述的贡献
- 摘要称可从短面板识别 ATT，并将其分解为流入和流出渠道；三个实证应用中的估计与传统双重差分存在显著差异。
- 阅读关注点
- 应核对潜在类型和转移独立性的识别条件、短面板所需长度、混合模型限制，以及处理效应流入流出分解的定义。
- 阅读边界
- 所给版本为预印本，不能据此确认同行评审或期刊接收；摘要未说明完整识别条件，估计差异本身不能证明方法更准确。
原文摘要
We develop an identification strategy for average treatment effects on the treated (ATT) in panel data with discrete outcomes. For such outcomes, the parallel trends assumption underlying difference-in-differences (DiD) fails in three distinct ways: mean reversion generates divergent trends when groups differ at baseline, counterfactual probabilities can leave the unit interval, and no single trend is well defined for multi-category outcomes. We replace parallel trends with \textit{transition independence}: absent treatment, transition dynamics conditional on pre-treatment outcomes would be identical between treated and control groups. To accommodate selection on persistent unobserved heterogeneity in transition dynamics, we require transition independence to hold only within latent types. Modeling outcomes as a finite mixture of Markov chains, we identify latent-type and aggregate ATTs from short panels. The framework also yields a flow decomposition of the ATT into inflow and outflow channels. In three empirical applications, our ATT estimates differ substantially from conventional DiD.