Estimating spillovers using panel data, with an application to the classroom
利用面板数据估计溢出效应：课堂应用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。
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：摘要明确使用学生面板与同伴固定效应估计群体溢出。
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…
利用面板数据估计溢出效应：课堂应用
- 研究问题
- 在学生选择同伴群体且同伴不可观测特征影响成绩时，如何利用面板数据一致估计溢出，并区分两类偏差来源？
- 方法与思路
- 作者让溢出通过同伴固定效应发生，利用学生多次结果观测和随时间变化的同伴群体进行非线性最小二乘估计，并提供迭代算法。
- 材料陈述的贡献
- 摘要称，溢出参数估计在固定时间维度下具有一致性和渐近正态性，算法收敛到最小二乘解，成绩应用发现显著同伴效应。
- 阅读关注点
- 应核对同伴群体变化如何提供识别、选择问题在何种条件下得到处理，以及迭代收敛、固定效应归一化和标准误的实现。
- 阅读边界
- 仅依据所给 OpenAlex 版本摘要；多次观测与群体变化是所述数据要求，不能代替未列明的模型条件，也不能保证任意选择机制下有效。
原文摘要
Obtaining consistent estimates of spillovers in an educational context is hampered by at least two issues: selection into peer groups and peer effects emanating from unobservable characteristics. We develop an algorithm for estimating spillovers using panel data that addresses both of these problems. The key innovation is to allow the spillover to operate through the fixed effects of a student's peers. The only data requirements are multiple outcomes per student and heterogeneity in the peer group over time. We first show that the nonlinear least squares estimate of the spillover parameter is consistent and asymptotically normal for a fixed T. We then provide an iterative estimation algorithm that is easy to implement and converges to the nonlinear least squares solution. Using University of Maryland transcript data, we find statistically significant peer effects on course grades, particularly in courses of a collaborative nature. We compare our method with traditional approaches to the estimation of peer effects, and quantify separately the biases associated with selection and spillovers through peer unobservables.