Design‐robust two‐way‐fixed‐effects regression for panel data
面板数据中对分配设计稳健的双向固定效应回归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：摘要明确以面板数据和双向固定效应回归估计二元处理的平均因果效应。
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…
面板数据中对分配设计稳健的双向固定效应回归
- 研究问题
- 在一般二元处理路径和分期采用设计中，如何改进双向固定效应回归，使平均因果效应估计对结果模型或处理分配模型误设稳健？
- 方法与思路
- 作者根据处理分配机制构造个体特定权重并加入双向固定效应回归，分析单个模型正确及两者局部误设的情形，并讨论动态效应扩展。
- 材料陈述的贡献
- 摘要称，分配机制或双向回归模型任一正确即可保持一致；两者局部误设时所提估计量表现更好，并刻画建模分配过程的收益。
- 阅读关注点
- 应核对单位与时间平均效应的权重、分配模型的正确设定条件、双重稳健结论的其余假设，以及局部误设比较采用的评价标准。
- 阅读边界
- 仅据所给 Crossref 摘要，无法确定权重公式、完整识别条件及动态扩展的限制；局部误设下的改进不能直接解释为普遍优越。
原文摘要
We propose a new estimator for average causal effects of a binary treatment with panel data in settings with general treatment patterns. Our approach augments the popular two‐way‐fixed‐effects specification with unit‐specific weights that arise from a model for the assignment mechanism. We show how to construct these weights in various settings, including the staggered adoption setting, where units opt into the treatment sequentially but permanently. The resulting estimator converges to an average (over units and time) treatment effect under the correct specification of the assignment model, even if the fixed‐ effect model is misspecified. We show that our estimator is more robust than the conventional two‐way estimator: it remains consistent if either the assignment mechanism or the two‐way regression model is correctly specified. In addition, the proposed estimator performs better than the two‐way‐fixed‐effect estimator if the outcome model and assignment mechanism are locally misspecified. This strong robustness property underlines and quantifies the benefits of modeling the assignment process and motivates using our estimator in practice. We also discuss an extension of our estimator to handle dynamic treatment effects.