Estimating Treatment Effects in Panel Data Without Parallel Trends
不依赖平行趋势的面板数据处理效应估计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。
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：摘要明确研究面板数据中的 ATT 识别、平行趋势替代条件及失业冲击处理效应，直接对应因果推断与面板数据。
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
不依赖平行趋势的面板数据处理效应估计
- 研究问题
- 当受治与对照组因多维未观测因素呈现不同结果轨迹，且结果生成过程并非加性可分时，如何识别受治者平均处理效应？
- 方法与思路
- 作者提出允许多维不可观测因素和非加性结构的面板框架，给出 ATT 的充分识别条件，并将其用于失业冲击的收入分析。
- 材料陈述的贡献
- 摘要称该框架提供替代标准 DID 的识别路径，应用所得长期收入损失较标准 DID 小；摘要未提供差异幅度或完整条件。
- 阅读关注点
- 核对替代识别条件所需的信息与限制、ATT 的估计步骤，以及对标准 DID 限制的概括和收入应用的可比性。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要对标准 DID 限制的概括需核对，不能据此推断所有平行趋势模型均受同样限制。
原文摘要
This paper proposes a novel approach for estimating treatment effects in panel data settings, addressing key limitations of the standard difference-in-differences (DID) approach. The standard approach relies on the parallel trends assumption, implicitly requiring that unobservable factors correlated with treatment assignment be unidimensional, time-invariant, and affect untreated potential outcomes in an additively separable manner. This paper introduces a more flexible framework that allows for multidimensional unobservables and non-additive separability, and provides sufficient conditions for identifying the average treatment effect on the treated. An empirical application to job displacement reveals substantially smaller long-run earnings losses compared to the standard DID approach, demonstrating the framework's ability to account for unobserved heterogeneity that manifests as differential outcome trajectories between treated and control groups.