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。
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：摘要以面板处理效应评估为背景，比较时间与跨单位信息下的估计和推断。
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跨单位模式的纵向回归，在面板因果分析中何时给出相同点估计，又为何产生不同的推断？
- 方法与思路
- 作者比较两类方法的代数形式，说明若干标准估计量的点估计等价，并分析不同随机性来源如何改变目标参数与不确定性量化。
- 材料陈述的贡献
- 摘要称，若干点估计的代数等价无需附加假设，但相同点估计仍可能对应不同目标参数和推断，强调明确数据随机性来源。
- 阅读关注点
- 应核对代数等价覆盖哪些估计量、数据排列与拟合规则，以及两类随机性设定分别对应什么目标参数和有效推断条件。
- 阅读边界
- 仅据所给 Crossref 摘要，无法确定全部适用估计量；无需假设的说法针对代数等价，不能扩展为无需假设即可识别因果效应。
原文摘要
One dominant approach to evaluate the causal effect of a treatment is through panel data analysis, whereby the behaviors of multiple units are observed over time. The information across time and units 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 often considers the two approaches to be different. We establish this position to be partly false for estimation but generally true for inference. In the absence of any assumptions, we show that both approaches yield algebraically equivalent point estimates for several standard estimators. However, the source of randomness assumed by each approach leads to a distinct estimand and quantification of uncertainty even for the same point estimate. This emphasizes that researchers should carefully consider where the randomness stems from in their data, as it has direct implications for the accuracy of inference.