Policy Analysis Using Multilevel Regression Models with Group Interactive Fixed Effects
使用组别交互固定效应多层回归模型进行政策分析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：摘要明确研究个体与组层级的面板回归，以及组层面政策效果和政策内生性处理。
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
使用组别交互固定效应多层回归模型进行政策分析
- 研究问题
- 研究估计组层面政策对个体结果的影响时，如何允许组异质性效应随时间变化，并处理政策与个体误差的内生关系。
- 方法与思路
- 作者引入组因子载荷与共同因子的交互固定效应，研究最小二乘推断、分组层级检验，以及处理政策内生性的 GMM。
- 材料陈述的贡献
- 摘要称在个体数大、时间维度固定且组数较慢增长的框架下分析估计与推断，并提供两项实证示例。
- 阅读关注点
- 应核对个体与组数量的增长条件、组因子载荷的分组选择，以及 GMM 所需矩条件能否支持政策效应解释。
- 阅读边界
- 仅据所给 OpenAlex 版本摘要，无法判断政策识别和工具变量有效性条件，也不能推断后续刊本变化。
原文摘要
The use of multilevel regression models is prevalent in policy analysis to estimate the effect of group level policies on individual outcomes. In order to allow for the time varying effect of group heterogeneity and the group specific impact of time effects, we propose a group interactive fixed effects approach that employs interaction terms of group factor loadings and common factors in this model. For this approach, we consider the least squares estimator and associated inference procedure. We examine their properties under the large n and fixed T asymptotics. The number of groups, G, is allowed to grow but at a slower rate. We also propose a test for the level of grouping to specify group factor loadings, and a GMM approach to address policy endogeneity with respect to idiosyncratic errors. Finally, we provide empirical illustrations of the proposed approach using two empirical examples.