Dynamic Biases of Static Panel Data Estimators
静态面板数据估计量的动态偏差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：摘要研究固定效应面板中的处理效应偏差，并将方法用于温度与 GDP 的宏观面板问题。
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
静态面板数据估计量的动态偏差
- 研究问题
- 当过去结果影响当前结果而估计方程遗漏这种反馈时，固定效应面板估计为何会产生偏差，并使随机处理的效应估计失准？
- 方法与思路
- 作者将动态偏差追溯至固定效应估计产生的混杂，提出固定时间维度下的偏差校正估计量，并用于温度冲击对 GDP 的分析。
- 材料陈述的贡献
- 摘要称，所考察模拟中的动态偏差大于 Nickell 偏差；提出的校正方法旨在恢复一致处理效应，应用中的温度影响估计有所下降。
- 阅读关注点
- 应核对动态反馈与处理变量的关系、固定效应产生偏差的推导，以及固定时间维度校正条件和 GDP 应用中效应变化的口径。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实。摘要未说明完整动态模型与校正条件，模拟偏差比较及应用结果不能直接推广。
原文摘要
This paper identifies an important bias - termed dynamic bias - in fixed effects panel estimators that arises when dynamic feedback is ignored in the estimating equation. Dynamic feedback occurs if past outcomes impact current outcomes, a feature of many settings ranging from economic growth to agricultural and labor markets. When estimating equations omit past outcomes, dynamic bias can lead to significantly inaccurate treatment effect estimates, even with randomly assigned treatments. This dynamic bias in simulations is larger than Nickell bias. I show that dynamic bias stems from the estimation of fixed effects, as their estimation generates confounding in the data. To recover consistent treatment effects, I develop a flexible estimator that provides fixed-T bias correction. I apply this approach to study the impact of temperature shocks on GDP, a canonical example where economic theory points to an important feedback from past to future outcomes. Accounting for dynamic bias lowers the estimated effects of higher yearly temperatures on GDP growth by 10% and GDP levels by 120%.