Identification and Estimation of Average Causal Effects in Fixed Effects Logit Models
短面板固定效应 Logit 模型中平均因果效应的识别与估计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：摘要明确研究短面板固定效应 Logit 模型中的平均边际效应、处理效应及部分识别区间。
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…
短面板固定效应 Logit 模型中平均因果效应的识别与估计
- 研究问题
- 在短面板固定效应 Logit 模型中，平均边际效应或处理效应能够被识别到什么范围，如何构造有效区间并分析处理效应异质性？
- 方法与思路
- 作者将效应识别集联系到极值矩问题，构造无需优化的尖锐界，并提出无需第一步非参数估计的较简单外界，再分别建立置信区间。
- 材料陈述的贡献
- 摘要称，两类置信区间具有渐近有效性，模拟显示方法表现良好且外界区间长度通常具有竞争力；方法也可用于衡量处理效应异质性。
- 阅读关注点
- 应核对固定效应 Logit 的设定、尖锐界与外界的关系、第一步估计要求，以及区间渐近有效性条件和异质性效应的具体定义。
- 阅读边界
- 所用摘要来自 arXiv 预印本，同行评审及期刊接收未核实；摘要未列出完整模型和因果识别假设，也未提供区间长度或覆盖率的数值。
原文摘要
This paper studies identification and estimation of average causal effects, such as average marginal or treatment effects, in fixed effects logit models with short panels. Relating the identified set of these effects to an extremal moment problem, we first show how to obtain sharp bounds on such effects simply, without any optimization. We also consider even simpler outer bounds, which, contrary to the sharp bounds, do not require any first-step nonparametric estimators. We build confidence intervals based on these two approaches and show their asymptotic validity. Monte Carlo simulations suggest that both approaches work well in practice, the second being typically competitive in terms of interval length. Finally, we show that our method is also useful to measure treatment effect heterogeneity.