Same Root Different Leaves: Time Series and Cross-Sectional Methods in Panel Data
同根异叶：面板数据中的时间序列与横截面方法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：摘要以面板数据中的政策因果效应评估为核心，并直接比较横向回归和合成控制，因此归入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…
同根异叶：面板数据中的时间序列与横截面方法
- 研究问题
- 利用时间模式的横向回归与利用横截面模式的纵向回归，在面板政策评估中何时得到相同点估计，又为何产生不同推断？
- 方法与思路
- 作者比较横向回归与合成控制等纵向回归，证明若干标准设置下点估计相同，并分析两者随机性来源及估计目标的区别。
- 材料陈述的贡献
- 摘要称，两类方法在若干设置下具有估计等价性，但不确定性对应不同估计目标，因此同一置信区间可能具有不同覆盖表现。
- 阅读关注点
- 应核对点估计等价的具体设置、两类估计目标的定义，以及时间与横截面随机性分别如何进入置信区间和覆盖率分析。
- 阅读边界
- 这是 arXiv 预印本，不能据此确认同行评审或期刊接收；摘要未列明等价成立的条件，不能推广为所有面板方法均等价。
原文摘要
A central goal in social science is to evaluate the causal effect of a policy. One dominant approach is through panel data analysis in which the behaviors of multiple units are observed over time. The information across time and space motivates two general approaches: (i) horizontal regression (i.e., unconfoundedness), which exploits time series patterns, and (ii) vertical regression (e.g., synthetic controls), which exploits cross-sectional patterns. Conventional wisdom states that the two approaches are fundamentally different. We establish this position to be partly false for estimation but generally true for inference. In particular, we prove that both approaches yield identical point estimates under several standard settings. For the same point estimate, however, each approach quantifies uncertainty with respect to a distinct estimand. In turn, the confidence interval developed for one estimand may have incorrect coverage for another. This emphasizes that the source of randomness that researchers assume has direct implications for the accuracy of inference.