Direct and Indirect Effects based on Changes-in-Changes
基于变化中的变化方法的直接与间接效应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：摘要明确研究因果中介效应，并识别平均与分位数直接、间接效应，分别对应因果推断和分布效应。
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…
基于变化中的变化方法的直接与间接效应
- 研究问题
- 研究如何将二元处理对连续结果的因果效应分解为经由二元中介的间接效应与其他机制的直接效应，并识别不同子群体的效应。
- 方法与思路
- 作者采用变化中的变化假设，要求结果对不可观测异质性单调，且该异质性在给定处理和中介后分布随时间不变。
- 材料陈述的贡献
- 摘要称，该方法识别不同子群体的平均及分位数直接、间接效应，并提供模拟及培训项目评估、产假改革两项经验应用。
- 阅读关注点
- 应核对各子群体与效应的定义、条件分布时间不变和单调性假设，以及完整识别条件、估计步骤和两个应用中的适用依据。
- 阅读边界
- 仅据RePEc所载出版社摘要；完整识别条件、估计与推断细节未说明，也未提供模拟和应用结果，不能判断假设在具体情境中成立。
原文摘要
We propose a novel approach for causal mediation analysis based on changes-in-changes assumptions restricting unobserved heterogeneity over time. This allows disentangling the causal effect of a binary treatment on a continuous outcome into an indirect effect operating through a binary intermediate variable (called mediator) and a direct effect running via other causal mechanisms. We identify average and quantile direct and indirect effects for various subgroups under the condition that the outcome is monotonic in the unobserved heterogeneity and that the distribution of the latter does not change over time conditional on the treatment and the mediator. We also provide a simulation study and two empirical applications regarding a training program evaluation and maternity leave reform.