Bayesian treatment effects models with variable selection for panel outcomes with an application to earnings effects of maternity leave
面板结果的贝叶斯处理效应与变量选择：产假对收入的影响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：摘要明确研究内生处理下的面板收入结果，并估计产假政策相关的动态处理效应。
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…
面板结果的贝叶斯处理效应与变量选择：产假对收入的影响
- 研究问题
- 如何在处理内生且收入具有面板结构时，估计较长产假对母亲后续收入的动态影响，并判断处理状态下是否存在不同的收入动态？
- 方法与思路
- 作者提出两种贝叶斯处理效应框架，以 Roy 转换回归传统建模处理内生性、共享因子刻画面板结构，并实施随机变量选择。
- 材料陈述的贡献
- 摘要称，利用奥地利产假政策变化与登记数据，研究发现五年期间显著负向且逐渐减弱的收入效应，并提供动态差异的建模框架。
- 阅读关注点
- 应核对政策变化如何支持效应识别、两种框架的差异、共享因子与先验设定，以及随机变量选择如何检验处理后的动态变化。
- 阅读边界
- 仅据所给出版社摘要；摘要未说明政策识别条件、样本构成或效应数值，不能判断结论对先验、模型设定及其他制度环境的敏感性。
原文摘要
We propose two alternative Bayesian treatment effect modeling and inferential frameworks for panel outcomes to estimate dynamic earnings effects of a long maternity leave on mothers’ subsequent earnings. Modeling of the endogeneity of the treatment and the panel structure of the earnings are based on the modeling tradition of the Roy switching regression model and the shared factor approach, respectively. We implement stochastic variable selection to test, for example, for the presence of different dynamics under the treatment. Exploiting a change in maternity leave policy and Austrian registry data we identify substantial negative but steadily decreasing earnings effects over a 5 years period.