高频事件研究中的因果效应识别与估计
计量经济学
2025-07-24 v5
摘要
我们提供了非参数识别高频事件研究回归因果效应的精确条件，这类方法在近期的宏观经济学、金融经济学和政治经济学文献中被广泛使用。高频事件研究方法将结果变量的变化回归于政策变量在事件或政策公告附近（例如，FOMC公告30分钟窗口内）的意外变化的 measure。我们指出，尽管窗口尺寸狭小是普遍认知，但这并不足以实现识别。相反，当(i)政策冲击对结果的影响不依赖于其他变量（可分离性）且(ii)新闻或事件的惊讶成分在事件窗口内支配所有其他变量（相对内在性）时，population回归系数才识别出因果估计量。技术上，后一条件要求在事件窗口内，政策冲击的方差与其他变量的方差之比为无穷大。在这些条件下，我们确立了事件研究估计量对应的因果含义，并证明了事件研究估计器的一致性和渐近正态性。值得注意的是，这种标准线性回归估计器对一般形式的非线性具有鲁棒性。我们将结果应用于Nakamura和Steinsson（2018a）对货币政策实际经济效应的分析，提供了一个简明的实证程序，用以分析标准事件研究估计器是否充分估计感兴趣的因果效应。
引用
@article{arxiv.2406.15667,
title = {Identification and Estimation of Causal Effects in High-Frequency Event Studies},
author = {Alessandro Casini and Adam McCloskey},
journal= {arXiv preprint arXiv:2406.15667},
year = {2025}
}