Heterogeneous Treatment Effects via Linear Dynamic Panel Data Models
线性动态面板模型中的异质性处理效应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。
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：摘要以动态面板模型研究依赖处理历史的潜在结果，并分析异质性处理效应的识别，直接对应这两个方向。
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
线性动态面板模型中的异质性处理效应
- 研究问题
- 当潜在结果依赖过去的处理时，动态面板工具变量估计量如何汇总跨期异质性处理效应，并获得因果解释？
- 方法与思路
- 作者分解动态面板工具变量估计目标，讨论序贯可交换性与效应异质性条件，并比较其与平行趋势的关系。
- 材料陈述的贡献
- 摘要称，常见估计目标可能包含负权重和不消失的趋势项，并给出使其成为正权重效应汇总或因果参数的条件。
- 阅读关注点
- 应核对权重与趋势项的精确定义、序贯可交换性的时间信息集，以及同质性或温和选择条件的实际限制。
- 阅读边界
- 这是预印本，同行评审或期刊接收未核实；摘要未列出具体条件，不能据此认定动态面板工具变量普遍具有因果解释。
原文摘要
We study the identification of heterogeneous, intertemporal treatment effects (TE) when potential outcomes depend on past treatments. First, applying a dynamic panel data model to observed outcomes, we show that an instrumental variable (IV) version of the estimand in Arellano and Bond (1991) recovers a non-convex (negatively weighted) aggregate of TE plus non-vanishing trends. We then provide conditions on sequential exchangeability (SE) of treatment and on TE heterogeneity that reduce such an IV estimand to a convex (positively weighted) aggregate of TE. Second, even when SE is generically violated, such estimands identify causal parameters when potential outcomes are generated by dynamic panel data models with some homogeneity or mild selection assumptions. Finally, we motivate SE and compare it with parallel trends (PT) in various settings with experimental data (when treatments are sequentially randomized) and observational data (when treatments are dynamic, rational choices under learning).