Dynamic treatment effect estimation with interactive fixed effects and short panels
交互固定效应与短面板下的动态处理效应估计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。
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：摘要直接研究分期处理、动态受处理者平均效应与交互固定效应短面板，属于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
交互固定效应与短面板下的动态处理效应估计
- 研究问题
- 在单位分期进入处理、平行趋势仅条件于交互固定效应成立时，如何利用短面板估计动态受处理者平均处理效应？
- 方法与思路
- 作者以 GMM 先在从未处理组估计未观测时间效应，再恢复处理组的交互固定效应与反事实结果，计算组别处理效应。
- 材料陈述的贡献
- 摘要称方法提供动态处理效应估计与推断，讨论双向固定效应在部分趋势违背下的稳健性，并提供 Julia 和 R 软件。
- 阅读关注点
- 应核对固定时间维度下的识别、从未处理组所需条件、处理后反事实的恢复步骤，以及双向固定效应一致性检验的范围。
- 阅读边界
- 仅依据所给出版社摘要；Walmart 应用中的预趋势改善是作者报告，不能单凭这一现象确认条件平行趋势或因果识别成立。
原文摘要
We study the estimation and inference of dynamic average treatment effect parameters when parallel trends holds conditional on interactive fixed effects and where units enter into treatment at different time periods. Our proposed generalized method of moments estimator consists of two parts: first, we estimate the unobserved time effects by applying the fixed-T consistent quasi-long-differencing estimator of Ahn et al., (2013) to the never-treated group. Second, we estimate the interactive fixed effects for treated groups post-treatment to recover their unobserved counterfactual outcomes then subtract this quantity from the observed outcomes and average over group membership to estimate the Average Treatment Effect on the Treated. We also demonstrate the robustness of two-way fixed effects to certain parallel trends violations and describe how to test for consistency. We investigate the effect of Walmart openings on local economic conditions and demonstrate that our methods ameliorate pre-trend violations commonly found in the literature. We also provide statistical software to implement our estimator in Julia and R.