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。

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:摘要明确提出处理或工具变量的因果估计方法,并将社会及交通网络溢出列为其直接应用情形。

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
Kirill Borusyak
Peter Hull

外生冲击的非随机暴露

研究问题
当处理变量或工具变量按已知公式组合多种变异来源时,如何利用部分决定因素的外生冲击,并处理非随机暴露造成的偏误?
方法与思路
作者指定可能实现的反事实冲击,以这些情景下处理或工具变量的平均值概括暴露非随机性并加以调整,应用于中国高铁建设。
材料陈述的贡献
摘要称该方法可在只有部分决定因素受到外生冲击时避免遗漏变量偏误,并用于分析高铁带来的市场可达性增长对就业的影响。
阅读关注点
应核对反事实冲击的允许集合与概率、外生性的条件化对象、平均暴露调整的识别逻辑,以及网络溢出下的目标效应定义。
阅读边界
仅据所给 Crossref 摘要;冲击分配假设、调整形式与应用数值未说明,不能把部分冲击外生理解为组合变量自动外生。

原文摘要

We develop a new approach to estimating the causal effects of treatments or instruments that combine multiple sources of variation according to a known formula. Examples include treatments capturing spillovers in social or transportation networks and simulated instruments for policy eligibility. We show how exogenous shocks to some—but not all—determinants of such variables can be leveraged while avoiding omitted variables bias. Our solution involves specifying counterfactual shocks that may as well have been realized and adjusting for a summary measure of nonrandomness in shock exposure: the average treatment (or instrument) across shock counterfactuals. We use this approach to address bias when estimating employment effects of market access growth from Chinese high‐speed rail construction.

笔记与分组