错位采用情形下的推断：afferive Care Act案例研究

面板数据由在T个时间单位内观察的N个单元组成。如果不同单元以不同的时间采用政策或处理，并且保持被治疗（或从不被治疗），则该政策或处理称为错位采用情形。评估此类政策的有效性需要估计处理效应，即治疗单元与未治疗单元之间结果差异。我们发展了基于面板数据中治疗效应的计算高效矩阵估计器的推断程序。我们的程序返回单个处理效应以及更一般的治疗效应双线性函数的置信区间（CI），并保证预期覆盖率。我们将这些推断方法应用于分析afferive Care Act的Medicaid扩张部分。根据我们的分析，Medicaid扩张导致失业率显著下降，降低了婴儿死亡率，而对医疗支出没有显著影响。