Estimating Long Run Welfare Outcome in Rotating Panel with Grouped Fixed Effects: Application to Poverty Dynamics in Peru
用分组固定效应估计轮换面板中的长期福利结果：秘鲁贫困动态应用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：摘要明确使用家庭轮换面板、家庭内变化和分组固定效应估计贫困动态，直接支持微观面板分类，未涉及分位数处理效应。
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
用分组固定效应估计轮换面板中的长期福利结果：秘鲁贫困动态应用
- 研究问题
- 论文研究缺乏长期家庭追踪数据时，能否利用轮换面板的家庭内变化估计贫困流动与持续性，并改善相对合成面板的拟合。
- 方法与思路
- 作者将分组固定效应用于秘鲁 ENAHO 家庭轮换面板，比较模型隐含与观察到的贫困转移，并留出家庭最后一年进行一步预测验证。
- 材料陈述的贡献
- 摘要称，分组固定效应转移指标平均更接近观测转移，短期样本外预测也贴近实际，同时提供可解释的贫困持续与流动分组。
- 阅读关注点
- 应核对分组数量和成员归属如何确定、轮换与退出机制如何处理，以及短期转移验证能在多大程度上支持长期福利推断。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核实；摘要未说明长期外推条件，短期一步预测贴近实际并不能充分验证长期动态。
原文摘要
Household welfare dynamics are often difficult to investigate due to lack of long-term panel data. Existing methods, such as pseudo-panel and synthetic panel, offer widely used solutions based on repeated cross-section designs, but they do not exploit within-household variation in rotating panel designs, which provide very useful information for estimating long-run dynamics. This paper applies grouped fixed effects (GFE) to estimate poverty mobility and persistence in a rotating panel setting, using National Household Survey on Living Conditions and Poverty (ENAHO) in Peru. Using observed transitions, we show that GFE-implied poverty transitions closely track the data. In a one-step-ahead validation that holds out each household's final observed year, predicted transition shares remain close to realized transition shares, indicating that the method captures short-run entry and exit dynamics out of sample. When benchmarked against synthetic panel point estimates, the GFE approach delivers transition measures that are closer to observed transitions on average, while also providing an interpretable grouping structure that supports richer descriptions of poverty persistence and mobility.