时间序列横截面数据因果推断中反事实估计量的实用指南
统计方法学
2022-08-16 v3 应用统计
摘要
本文介绍了一种用于时间序列横截面数据因果推断的反事实估计简单框架,其中我们通过直接填补处理组的反事实结果来估计处理组上的平均处理效应。我们讨论了该框架下的几种新颖估计量,包括固定效应反事实估计量、交互固定效应反事实估计量和矩阵补全估计量。当处理效应存在异质性或存在未观测的时间变化混杂因素时,它们比传统的双向固定效应模型提供更可靠的因果估计。此外,我们提出了一种新的动态处理效应图,以及若干诊断检验,以帮助研究者评估识别假设的有效性。我们用两个政治经济学例子说明了这些方法,并开发了开源软件包 fect(提供 R 和 Stata 版本)以便于实现。
引用
@article{arxiv.2107.00856,
title = {A Practical Guide to Counterfactual Estimators for Causal Inference with Time-Series Cross-Sectional Data},
author = {Licheng Liu and Ye Wang and Yiqing Xu},
journal= {arXiv preprint arXiv:2107.00856},
year = {2022}
}