Average treatment effects for stayers with correlated random coefficient models of panel data
相关随机系数面板模型中处理状态不变者的平均处理效应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：摘要明确使用相关随机系数面板模型，研究处理状态不变者平均处理效应的识别与估计，因此归入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
相关随机系数面板模型中处理状态不变者的平均处理效应
- 研究问题
- 摘要指出，相关随机系数模型可识别处理状态改变者的平均处理效应；对于处理状态不变者，哪些额外选择限制能够使其效应获得识别？
- 方法与思路
- 作者在相关随机系数模型中加入处理选择的额外限制，由已识别量外推状态不变者的平均处理效应，并讨论估计、外推有效性检验与肯尼亚农户应用。
- 材料陈述的贡献
- 摘要称，文章给出识别状态不变者平均处理效应的额外限制，讨论外推有效性如何检验，并将方法用于估计肯尼亚玉米农户采用农业技术的回报。
- 阅读关注点
- 核对额外选择限制的经济含义与可检验部分、由模型已识别量进行外推的依据，以及农业技术应用中回报的估计对象、样本支持和不确定性。
- 阅读边界
- 摘要未说明具体选择限制、检验程序及农业技术回报的结果；状态不变者的识别依赖额外外推条件，不能视为基础面板模型自动提供的结论。
原文摘要
Summary Correlated random coefficient (CRC) models provide a useful framework for estimating average treatment effects (ATE) with panel data by accommodating heterogeneous treatment effects and flexible patterns of selection. In their simplest form, they lead to the well‐known difference‐in‐differences estimator. CRC models yield estimates of ATE for “movers” (i.e., cross‐sectional units whose treatment status changed over time) while ATE for “stayers” (i.e., cross‐sectional units who retained the same treatment status over time) are not identified. We study additional restrictions on selection into treatment that lead to the identification of ATE for stayers by an extrapolation from quantities identified by the CRC model. We discuss estimation and testing of the extrapolation's validity, then use our results to estimate the returns to agricultural technology adoption among maize farmers in Kenya.