Using State Administrative Data to Measure Program Performance
利用州行政数据衡量项目绩效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。
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：摘要比较匹配、回归调整和双重差分等非实验项目评估方法，直接研究职业培训的收入处理效应。
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…
利用州行政数据衡量项目绩效
- 研究问题
- 利用行政数据评估职业培训的收入影响时，结论对非实验估计方法有多敏感，截面与双重差分估计应如何比较？
- 方法与思路
- 作者使用密苏里州行政数据，比较回归调整、马氏距离匹配及多种倾向得分匹配，并分别考察截面和双重差分估计。
- 材料陈述的贡献
- 摘要称，设定检验更支持双重差分，倾向得分匹配在研究中最有效，而具体实施细节影响不大，既有数据可支持有用评估。
- 阅读关注点
- 应核对收入结果与样本构造、匹配所用变量和共同支持、双重差分识别条件，以及设定检验用于判断方法的依据。
- 阅读边界
- 摘要未提供真实效应基准、检验细节或效应数值；匹配方法的相对表现限于该项研究，不能据此宣称其普遍优于其他方法。
原文摘要
We use administrative data from Missouri to examine the sensitivity of earnings impact estimates for a job training program based on alternative nonexperimental methods. We consider regression adjustment, Mahalanobis distance matching, and various methods using propensity-score matching, examining both cross-sectional estimates and difference-in-difference estimates. Specification tests suggest that the difference-in-difference estimator may provide a better measure of program impact. We find that propensity-score matching is most effective, but the detailed implementation is not of critical importance. Our analyses demonstrate that existing data can be used to obtain useful estimates of program impact. Copyright by the President and Fellows of Harvard College and the Massachusetts Institute of Technology.