First as Tragedy? Second as What? Estimating Dynamic Effects of Recurrent Events
重复事件的动态效应估计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：摘要直接研究重复处理事件的动态因果效应、双向固定效应及顺序插补，最直接对应因果推断和面板数据。
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
重复事件的动态效应估计
- 研究问题
- 当同类处理事件可多次发生且影响持续存在时，如何识别整个处理轨迹的效应，并进一步分解出各次事件的动态贡献和属性异质性？
- 方法与思路
- 作者先分析灵活双向固定效应对轨迹总效应的恢复，再对事件特定效应的增长施加类似条件平行趋势的限制，构造顺序插补估计。
- 材料陈述的贡献
- 摘要称区分了总轨迹效应与单次事件效应所需假设，提出一致的顺序插补方法，并说明若干直观双向固定效应模型缺乏可解释参数。
- 阅读关注点
- 应核对轨迹效应与事件归属效应的定义、增长平行趋势限制及线性参数模型，并检查顺序插补如何处理事件叠加和强度差异。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核实；摘要未展开识别、插补及推断条件，模拟中的有利表现不能证明所有重复事件设定均适用。
原文摘要
I study treatment effect estimation when treatment events have persistent effects and can be experienced more than once. Natural disasters, job loss and health shocks are examples of such treatments. I show that the effect of a total treatment trajectory can be recovered under assumptions similar to those commonly invoked in single-event settings using suitably flexible TWFE models. Decomposing the total trajectory effect into portions attributable to distinct event occurrences, however, requires further assumptions. I propose an assumption similar to conditional parallel trends, imposing it on the growth of event-specific effects rather than on untreated outcomes. Combined with a linear-in-parameters model of effect growth, this assumption enables a sequential imputation estimator that consistently estimates the dynamic effects of each event occurrence and that can accommodate heterogeneity in effects according to observable event attributes, such as intensity. I demonstrate that several intuitive TWFE models fail to recover interpretable treatment effect parameters in the multi-event setting and illustrate the sequential imputation estimator's favourable performance using Monte Carlo simulations.