Pseudo-Panel Event Studies: Econometric Foundations for Credible Applications
伪面板事件研究：可信应用的计量经济学基础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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要核心是事件研究中的处理效应识别与偏差刻画，属于因果推断；其数据设定为重复截面与伪面板，涉及面板数据结构，故同时归入面板数据。
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
伪面板事件研究：可信应用的计量经济学基础
- 研究问题
- 摘要称，面板数据事件研究广泛用于估计处理效应，但在重复截面数据中，未处理个体的未来处理时点不可观测；本文研究伪面板事件研究设计中的识别问题，以及在识别条件不成立时偏差如何刻画。
- 方法与思路
- 作者提出将伪面板回归表示为使用组均值的加权最小二乘，以简化计算并给出解析推断；还提出使用更丰富协变量的双重稳健估计量、带合成类型固定效应的对称匹配设计，以及允许异质处理效应的全非参数估计量。
- 材料陈述的贡献
- 摘要称本文建立了此类设计的识别，刻画了识别条件失败时的偏差，给出加权最小二乘等价表示与解析推断；模拟中解析置信区间接近名义覆盖率，而常规区间明显覆盖不足；韩国面板调查中伪面板回归得到42.1%的就业子女惩罚，接近实际面板的46.9%，重复截面应用约为三分之一。
- 阅读关注点
- 应核对识别条件的具体表述与偏差刻画的前提、加权最小二乘等价所需的假设、解析推断的渐近性质与模拟设计，以及双重稳健、对称匹配和非参数估计量各自的识别假设与适用范围；韩国调查与重复截面结果的数据来源、样本与度量口径也需查证。
- 阅读边界
- 仅依据摘要，无法判断识别假设是否合理、定理与推断的正式条件、模拟与实证细节及外部有效性；摘要未说明匹配的具体算法、协变量集合与稳健性检验。该文为arXiv预印本，同行评审状态未经验证，不能据此声称已被期刊接收。
原文摘要
Event studies with panel data are widely used to estimate treatment effects. With repeated cross-sections, future treatment dates are unobserved for untreated individuals. Pseudo-panel event studies impute pre-treatment outcomes of the treated using matched untreated individuals. This paper establishes identification in such designs and characterizes bias when identification conditions fail. I show that the pseudo-panel regression is equivalent to weighted least squares with group means. This representation simplifies computation and yields analytical inference. In simulations, analytical confidence intervals attain near-nominal coverage, whereas conventional intervals substantially undercover. I also develop a doubly robust estimator using richer covariates, a symmetric matching design with synthetic type fixed effects, and a fully nonparametric estimator that accommodates heterogeneous treatment effects. In a Korean panel survey, the pseudo-panel regression yields an employment child penalty of 42.1%, close to 46.9% in the actual panel. Applications to repeated cross-sections yield employment penalties of about one-third.