Forward-selected panel data approach for program evaluation
用于项目评估的前向选择面板数据方法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：摘要直接研究潜在结果框架下的政策评估与面板对照单位选择。
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
用于项目评估的前向选择面板数据方法
- 研究问题
- 在候选对照单位很多的观察性面板中，如何选择用于构造反事实的单位，并使选择后的政策效应推断保持有效？
- 方法与思路
- 作者在潜在结果框架下利用单位间相关性构造反事实，以前向选择筛选对照单位，并研究候选数量快速增长时的渐近推断。
- 材料陈述的贡献
- 摘要称，论文建立了前向选择后的推断有效性，允许候选对照数量远快于时间维度增长，将面板评估方法扩展到大数据环境。
- 阅读关注点
- 应核对反事实构造的识别条件、前向选择的停止规则，以及选择后推断对时间依赖、候选规模和模型误设的要求。
- 阅读边界
- 所给出版社摘要未说明识别假设、增长率限制和有限样本表现；理论保证不能仅凭摘要推广到任意政策评估场景。
原文摘要
Policy evaluation is central to economic data analysis, but economists mostly work with observational data in view of limited opportunities to carry out controlled experiments. In the potential outcome framework, the panel data approach (Hsiao et al., 2012) constructs the counterfactual by exploiting the correlation between cross-sectional units in panel data. The choice of cross-sectional control units, a key step in its implementation, is nevertheless unresolved in data-rich environments when many possible controls are at the researcher’s disposal. We propose the forward selection method to choose control units, and establish validity of the post-selection inference. Our asymptotic framework allows the number of possible controls to grow much faster than the time dimension. The easy-to-implement algorithms and their theoretical guarantee extend the panel data approach to big data settings.