Discretizing Unobserved Heterogeneity
我们研究离散的面板数据方法，未观察到的异质性是在第一步，在环境中，人口异质性是不离散的。我们重点关注两步分组固定效应（GFE）估计量，首先使用kmeans聚类将个体分类到组中，然后在考虑组特定异质性的情况下估计模型。我们的框架依赖于两个关键属性：异质性是一个函数-可能是非线性和时变的-一个低维连续潜在类型，和信息矩可用于分类。我们说明了工资和劳动力市场参与的模型，并在随时间变化的异质性的概率模型的方法。我们得到的渐近展开的两步GFE估计的群体数量的增长与两个维度的面板。我们提出了一个数据驱动的规则组的数量，并讨论了偏见减少和推理。
2021-02-03 econ.EM
Sufficient Statistics for Unobserved Heterogeneity in Structural Dynamic Logit Models
本文研究了动态面板数据logit模型中结构参数的识别和估计，其中决策是前瞻性的，未观测异质性和可观测状态变量的联合分布是非参数的，即，固定效应模型我们考虑两个内生状态变量的模型：滞后的决策变量，在最后的选择和持续时间。这类模型包括作为特殊情况下重要的经济应用，如市场进入-退出，职业选择，机器更换，库存和投资决策，或差异化产品的动态需求模型。结构参数的识别需要一个足够的统计控制未观察到的异质性，不仅在当前的效用，而且在前瞻性决策问题的延续价值。我们得到了最小的充分统计量，并证明了一些结构参数的识别使用条件似然方法。我们将此估计器应用于机器更换模型。
2018-05-10 econ.EM
Linear Panel Regressions with Two-Way Unobserved Heterogeneity
本文研究了线性面板回归模型，其中未观测误差项是双向未观测固定效应的未知光滑函数。在标准的加性或交互式固定效应模型中，假设个体特异性和时间特异性效应以已知的函数形式（加性或乘性）进入。在本文中，我们允许这个函数形式更一般和未知。我们讨论了两种不同的估计方法，允许一致的估计的回归参数，在这种设置的个人数量和时间段的数量增长到无穷大。第一种方法使用Bai（2009）中的交互式固定效应估计量，只要估计中的因子数量渐近增长，该方法在这里仍然适用。第二种方法首先离散化未观察到的双向异质性（类似于Bonhomme、Lamadon和Manresa 2021对单向异质性的处理），然后估计具有加性双向分组固定效应的简单线性固定效应模型。对于这两种估计方法，我们得到渐近收敛的结果，进行蒙特卡罗模拟，并采用估计在英国房价数据的实证应用。
2022-08-12 econ.EM
Identification and Estimation of Network Models with Nonparametric Unobserved Heterogeneity
University College London（伦敦大学学院）
本文提出了一种非参数网络模型，通过利用相互作用结果识别具有相同固定效应的主体，并通过观测特征变化来估计协变量影响，从而解决未观测异质性对估计一致性的影响。
2026-02-06 econ.EM
Irregular Identification of Structural Models with Nonparametric Unobserved Heterogeneity
微观计量经济学中最重要的实证发现之一是经济行为中异质性的普遍性（参见《经济学》）。Heckman 2001）。本文证明了非参数不可观测异质性的累积分布函数和分位数在许多结构经济模型中具有无穷大的有效界。本文对这一事实作了一个相对简单的检验。本文用经济学中的几个相关例子来说明该理论的实用性，包括：具有严重长期失业的个体比例，具有异质第一阶段效应的相关随机系数模型中的平均边际效应和具有正边际效应的个体比例，线性模型中随机系数的分布和分位数，二进制和混合Logit模型。蒙特卡罗模拟说明了有限样本的影响，我们的研究结果的分布和分位数的随机系数的混合Logit模型。
2020-05-18 econ.EM
The Mixed Aggregate Preference Logit Model: A Machine Learning Approach to Modeling Unobserved Heterogeneity in Discrete Choice Analysis
本文提出混合聚合偏好 Logit（MAPL）模型，利用机器学习直接关联输入与聚合偏好异质性分布，无需特征假设，克服了传统模型设定错误，并能正确建模多种数据生成过程及辅助诊断。
2025-03-03 econ.EM
Detailed Gender Wage Gap Decompositions: Controlling for Worker Unobserved Heterogeneity Using Network Theory
本文提出基于网络理论的方法控制工人不可观测技能异质性，并扩展分解工具以处理协变量支撑不重叠问题，用于详细分解巴西性别工资差距。
2024-05-07 econ.EM
A Semiparametric Network Formation Model with Unobserved Linear Heterogeneity
本文分析了一个半参数模型的网络形成存在不可观察的代理特定的异质性。我们的目标是识别和估计的偏好参数时，未观察到的因素的分布不参数化指定的同质性观察属性。本文对网络形成的文献作了两个主要贡献。首先，它建立了一个新的点识别结果依赖于一个特殊的阻遏物的存在的参数向量。的识别证明是建设性的，其特征在于一个封闭形式的参数的利益。其次，引入了参数向量的简单两步半参数估计器，其中第一步核估计器。该估计器是计算上易于处理的，可以应用于密集和稀疏网络。此外，我表明，估计是一致的，并有一个有限的正态分布的个人在网络中的数量增加。蒙特卡罗实验表明，该估计器在有限样本和不同稀疏度的网络中表现良好。
2020-08-30 econ.EM
Testing for Unobserved Heterogeneity via k-means Clustering
聚类方法，如k-means，已在各种应用中得到广泛使用。本文提出了一个正式的测试程序，以确定是否可以拒绝一个单一的集群的零假设，表示同质性的数据，有利于多个集群。该检验易于实现，在相对温和的条件下有效（包括非正态性，以及数据在聚类分析之外的方面的异质性），并且适用于一系列上下文（包括时间序列维度小时的聚类，或在均值以外的参数上聚类）。我们验证了该检验在有限样本中具有良好的规模控制，并说明了该检验在聚类汽车制造商和美国共同基金中的应用。
2019-07-17 econ.EM
Identification of Time-Varying Transformation Models with Fixed Effects, with an Application to Unobserved Heterogeneity in Resource Shares
我们提供了新的结果，显示了一大类固定T面板模型的识别，其中的响应变量是一个未知的，弱单调的，随时间变化的潜在线性指数的固定效应，回归和一个错误的长期绘制从一个未知的平稳分布的变换。我们的结果确定了转换，回归系数，和固定效应的分布特征。然后，我们开发了一个完全承诺的跨期集体家庭模型，其中隐含的数量需求方程是线性指数的时变函数。该指数中的固定效应等于登录资源份额，定义为每个家庭成员享有的家庭支出份额。使用孟加拉国的数据，我们表明，妇女的资源份额下降与家庭预算和妇女的资源份额的变化的一半是由于未观察到的家庭层次的异质性。
2021-04-06 econ.EM
Sequential Estimation of Dynamic Discrete Choice Models with Unobserved Heterogeneity
Xiamen University（厦门大学）；Vancouver School of Economics, University of British Columbia（不列颠哥伦比亚大学温哥华经济学院）；Faculty of Economics, University of Tokyo（东京大学经济学部）
本文提出EM-NPL(q)框架，结合EM算法与截断固定点求解器，提高了动态离散选择模型估计效率，同时保持统计性质，并通过实证显示忽略未观察异质性会显著低估价格弹性及税收补偿效应。
2026-09-17 econ.EM
Policy Relevant Treatment Effects with Multidimensional Unobserved Heterogeneity
本文提出统一框架，在工具变量下通过凸松弛方法处理多维不可观测异质性，为政策相关处理效应提供保守且计算简单的界，扩展并稳健化了Mogstad等（2018）的界。
2025-05-08 econ.EM
Treatment Effects with Multidimensional Unobserved Heterogeneity: Identification of the Marginal Treatment Effect
本文在多值处理的多项选择模型框架下，建立了边际处理效应的识别充分条件，将其从二元处理推广到多值处理，并可用于识别潜在结果的边际分布等参数。
2024-12-27 econ.EM
Estimating Unobserved Individual Heterogeneity Using Pairwise Comparisons
我们提出了一种新的方法来研究环境中不可观察的个体异质性。基于模型隐含的成对不等式，该方法将样本中的个体分类为具有未知支持度的离散未观测异质性所定义的组。我们建立的条件下，通过我们的方法确定和一致的估计组。通过蒙特卡罗模拟，我们证明了该方法在有限样本情况下具有良好的性能。然后，我们应用该方法来估计一个模型的最低价格采购拍卖与未观察到的投标人的异质性，从加州高速公路采购市场的数据。
2020-11-18 econ.EM stat.AP stat.ME
Dynamic demand for differentiated products with fixed-effects unobserved heterogeneity
本文研究了一个基于消费者水平面板数据的差异化产品需求动态离散选择模型的识别与估计问题，该模型中每个消费者的购买事件较少（即，短面板）。消费者是前瞻性的，他们的偏好包含两个动态来源：由于习惯和转换成本的最后选择依赖，以及由于库存，折旧或学习的持续时间依赖。该模型的一个关键区别特征是，消费者未观察到的异质性具有固定效应（FE）结构-也就是说，它的概率分布条件的初始值的内生状态变量是不受限制的。我应用并扩展了最近的结果，只要数据集包括每个家庭四个或更多的购买事件，就可以确定所有的结构参数。可以使用充分统计的条件最大似然（CML）方法来估计参数。CML在该模型中的一个吸引人的特点是，充分的统计控制的前瞻性价值的消费者的决策问题，使该方法不需要解决动态规划问题或计算期望的现值。
2022-08-18 econ.EM
Inference in High-Dimensional Panel Models: Two-Way Dependence and Unobserved Heterogeneity
本文提出了一种适用于高维面板模型的工具包，通过改进的LASSO方法处理双向依赖和未观测异质性，实现稳健的推断。
2025-12-20 econ.EM
Tractable Identification of Strategic Network Formation Models with Unobserved Heterogeneity
University of Pennsylvania（宾夕法尼亚大学）；National University of Singapore（新加坡国立大学）
本文提出了一种可识别的战略网络形成模型方法，处理战略链接依赖和个体未观察到的异质性。通过'bounding-by-c'技术利用单调性限制获得识别信息，并提供固定效应处理策略和点识别结果。
2026-03-17 econ.EM
Inference on Linear Regressions with Two-Way Unobserved Heterogeneity
Michigan State University（密歇根州立大学）；University College London（伦敦大学学院）
本文提出了一种通用的估计和推断方法，用于线性面板数据回归模型中常见的参数估计，通过非参数双向未观测异质性规范。方法利用非参数回归函数和固定效应的第一步估计量，结合Neyman正交矩条件和新的调整方法，确保估计量在弱条件下渐近正态分布。
2026-05-07 econ.EM
Spatial Differencing for Sample Selection Models with Unobserved Heterogeneity
本文推导出识别，估计和推理结果，使用空间差异的样本选择模型与未观察到的异质性。我们表明，在未观察到的子位置特定的异质性和反米尔斯比的空间平滑变化的假设下，确定了样本选择模型的关键参数。子位置特定异质性的平滑性意味着结果中的相关性。我们假设，相关性是限制在一个位置或集群，并得出渐近结果表明，作为独立集群的数量增加，估计是一致的，渐近正态。我们还提出了一个标准误差估计公式。一个蒙特卡罗实验说明了我们的估计的小样本性质。我们的程序估计在芬兰的市政税率的决定因素的应用程序显示会计不可观察的异质性的重要性。
2020-09-14 econ.EM stat.ME
Identification of Auction Models Using Order Statistics
本文研究仅有部分竞争出价时拍卖模型的识别问题，利用连续顺序统计量与工具变量证明离散未观测异质性下对称拍卖可识别，并扩展至竞争未知的增价拍卖。
2023-04-23 econ.EM
A Note on "A survey of preference estimation with unobserved choice set heterogeneity" by Gregory S. Crawford, Rachel Griffith, and Alessandro Iaria
Crawford等人（2021）关于估计具有未观察或潜在考虑集的离散选择模型的文章提出了一个统一的框架，通过使用“充分集”来解决实际问题，定义为过去观察到的选择的组合。麦克法登（McFadden，1978）对替代品抽样问题的一致性结果进行了重新解释，支持了所提出的方法，但克劳福德等人（Crawford et al.，2021）对该结果的使用在一个重要问题上是不精确的。有人说，如果使用真实考虑集的任何子集进行估计，就可以达到一致性，但McFadden（1978）表明，一般来说，人们需要进行抽样校正，这取决于用于绘制选择集的协议。本说明推导出了当用于估计的选择集是根据过去的选择建立时所需的采样校正。然后，它形式化了这种校正将满足一致条件属性的条件，因此在构建实际估计量时可以忽略这些条件，例如Crawford等人（2021）分析的估计量。
2022-05-02 econ.EM
Estimating Marginal Treatment Effects under Unobserved Group Heterogeneity
研究了基于异质性处理规则将个体划分为不可观测组的处理效应模型。使用有限混合的方法，我们提出了一个边际处理效应（MTE）的框架，其中的治疗选择和结果方程可以是异质组。在特定于每个组的工具变量的可用性下，我们表明，每个组的MTE可以单独识别。基于我们的识别结果，我们提出了一个两步半参数估计的MTE组。我们说明了所提出的方法的实用性与应用程序的经济回报，大学教育。
2022-05-23 econ.EM stat.ME
Better Measurement or Larger Samples? Data Collection for Policy Learning with Unobserved Heterogeneity
University of Bologna（博洛尼亚大学）
本文研究了在存在未观测异质性时，政策学习中测量精度与样本量的权衡，提出最优数据收集方案并验证其在发展经济学中的应用效果。
2026-04-08 econ.EM
Identification and Estimation in Panel Data Models with Nonparametric Two-Way Fixed Effects
Michigan State University（密歇根州立大学）；University College London（伦敦大学学院）
该研究针对非参数面板回归模型，通过奇异值分解（SVD）等方法解决双向未观测异质性的非参数识别问题，规避了全局雅可比条件，为有限主导本征函数的单射性提供了理论支撑。
2026-10-23 econ.EM
Inference on Extreme Quantiles of Unobserved Individual Heterogeneity
Universität Bonn, Institute of Finance and Statistics（波恩大学金融与统计学院）
本文提出了一种在面板数据和元分析中对未观测个体异质性极值分位数进行推断的方法，通过极值定理和中间顺序定理构建了优化-free置信区间，并通过企业生产力差异的应用验证了方法的有效性。
2025-06-02 econ.EM stat.ME
Testable Implications of Multiple Equilibria in Discrete Games with Correlated Types
研究了不完全信息离散博弈中多重均衡的可检验蕴涵。与de Paula和Tang（2012）不同，我们允许参与者的私人信号相互关联。在静态博弈中，我们利用私人类型在均衡选择相关的博弈中的独立性。在动态游戏与连续相关的离散不可观察的异质性，我们的可测试的含义建立在这样一个事实，即一个序列的选择和状态的分布是混合均衡和不可观察的异质性。混合组分的数量是序列长度的已知函数，也是平衡和未观察到的异质性支持的基数的函数。在静态和动态的情况下，这些可测试的影响是可实现的使用现有的统计工具。
2020-12-01 econ.EM
Debiased Machine Learning for Unobserved Heterogeneity: High-Dimensional Panels and Measurement Error Models
Sciences Po（巴黎政治学院）；Universidad Carlos III de Madrid（马德里卡洛斯三世大学）
本文提出去偏机器学习方法，刻画非参数未观测异质性模型中所有相关的 Neyman 正交矩，实现高维冗余参数下的有效推断，并应用于面板数据、Kotlarski 模型和教师增值估计。
2026-09-30 econ.EM
Nonparametric Analysis of Finite Mixtures
有限混合模型在应用计量经济学中很有用。它们可以用来模拟不可观测的异质性，在劳动经济学、产业组织等领域发挥着重要作用。混合物在处理污染取样模型和具有多重均衡的模型时也很方便。本文证明了有限混合模型在经济应用中合理的弱假设下是非参数识别的。关键是利用协变量变异中信息所隐含的识别能力。首先，提出了三种识别方法，在不同的和非嵌套的充分条件。数据的可观察特征告诉我们这三种方法中哪一种是有效的。这些结果适用于一般的非参数转换回归，以及结构计量经济模型，如拍卖模型与未观察到的异质性。第二，一些推广的识别结果。特别是，混合回归的混合权重取决于在一个完全不受限制的方式回归的值被证明是nonparametrically可识别的。这意味着可以在横截面设置中识别具有函数值未观察到的异质性的有限混合模型，而不限制回归变量和未观察到的异质性之间的依赖模式。在这方面，它类似于固定效应面板数据模型，允许未观察到的异质性和协变量之间的不受限制的相关性。第三，本文表明，完全非参数估计的整个混合模型是可能的，通过形成一个新的识别策略的样本模拟。估计具有理想的多项式收敛速度在一个标准的非参数估计问题，尽管模型的非正规功能。
2018-11-07 econ.EM
Testing for Heterogeneous Treatment Effects in Regression Discontinuity Designs
Guanghua School of Management, Peking University（北京大学光华管理学院）
本文提出一种非参数检验，用于检测回归不连续设计中的未观测处理效应异质性，通过特征函数转化为积分条件矩约束，并验证了检验的渐近性质与有效性。
2026-09-24 econ.EM
Variational Bayesian Inference for Mixed Logit Models with Unobserved Inter- and Intra-Individual Heterogeneity
变分贝叶斯（VB）是一种源于机器学习的方法，能够快速和可扩展地估计复杂的概率模型。到目前为止，VB在离散选择分析中的应用仅限于具有未观察到的个体间品味异质性的混合logit模型。然而，这样的模型制定可能是太限制性的面板数据设置，因为口味可能会有所不同的个人之间，以及跨选择任务所遇到的同一个人。在本文中，我们得到了一个VB方法的后验推断的混合logit模型与未观察到的个体间和个体内的异质性。在模拟研究中，我们基准性能的建议VB方法对最大模拟似然（MSL）和马尔可夫链蒙特卡罗（MCMC）方法的参数恢复，预测精度和计算效率。模拟研究表明，VB可以是一个快速，可扩展和准确的替代MSL和MCMC估计，特别是在应用中，快速预测是至关重要的。观察到VB比两种竞争方法快2.8到17.7倍，同时提供相当或更高的准确性。此外，模拟研究表明，并行实现的MSL估计与分析梯度是一个可行的替代MCMC的估计精度和计算效率方面，作为MSL估计被观察到是0.9和2.1倍之间的速度比MCMC。
2020-01-16 econ.EM stat.ME
Semi-parametric estimation of the EASI model: Welfare implications of taxes identifying clusters due to unobserved preference heterogeneity
我们提供了一个新的推理框架来估计精确的仿射斯通指数（EASI）模型，并分析了福利的影响，由于价格变化引起的税收。我们的推理框架是基于非参数规格的随机误差在EASI不完全需求系统使用Dirichlet过程。我们的建议，使识别消费者集群，由于未观察到的偏好异质性考虑到，审查，同时内消和非线性。我们根据哥伦比亚经济中的电力消耗税执行应用程序。我们的研究结果表明，由于未观察到的偏好异质性，有四个集群，虽然我们的样本的95%属于一个集群。这表明，在我们的应用程序中，可观察变量在EASI模型下很好地描述了偏好。我们发现，公用事业似乎是非弹性的正常商品与非线性恩格尔曲线。联合预测分布表明，电力税产生替代电力和其他非公用事业产品之间的影响。这些分布以及Slutsky矩阵表明良好的模型评估。我们发现，有一个95%的概率，相当于变化的代表性家庭的收入的百分比是0.60%至1.49%之间的约1%的电费增加。然而，有异质性的影响，较高的社会经济阶层面临更多的福利损失平均。这突出了对缺乏弹性的服务征税可能带来的显著福利影响。
2021-09-16 econ.EM stat.AP stat.ME
Identification and Estimation of Partial Effects in Nonlinear Semiparametric Panel Models
本文提供了一个统一框架，在指数充分性假设下证明了非线性半参数面板模型中各种部分效应的点识别，提出了三步半参数估计量并证明其一致性与渐近正态性，最后通过已婚女性劳动供给研究验证了该方法。
2024-07-30 econ.EM
Partial Identification in Matching Models for the Marriage Market
研究了效用完全可转移的一对一匹配模型中偏好参数的部分识别问题。我们这样做时，没有对未观察到的异质性强加参数分布假设，并且使用了一个大型市场的数据。我们提供了一个易于处理的表征下的各种类的非参数分布假设未观察到的异质性的识别集。使用我们的方法，我们重新审视一些相关的问题，在婚姻市场的实证文献，这是以前研究的Logit假设。我们的研究结果表明，上述文献中的许多发现主要是由这样的参数限制。
2022-07-27 econ.EM
Testing for Unobserved Heterogeneity in Censored Duration Models: EM Approach
Vancouver School of Economics（温哥华经济学院）；University of British Columbia（不列颠哥伦比亚大学）；DENTSU SOKEN INC.（电通素研株式会社）
针对删失持续时间模型中的未观测异质性，提出一种EM检验方法，其临界值无需模拟或自举，模拟显示在样本量≥500时尺寸准确且功效优于似然比检验，并在心脏移植数据中拒绝同质性。
2026-09-30 econ.EM stat.ME
Using Probabilistic Stated Preference Analyses to Understand Actual Choices
本文提出利用概率性陈述偏好识别个体未观测异质性，以校正实际选择需求估计中的内生性，从而恢复因果效应，并可采用组固定效应估计器实现。
2023-07-26 econ.EM
Interactive, Grouped and Non-separable Fixed Effects: A Practitioner's Guide to the New Panel Data Econometrics
本文综述了面板数据中交互式、分组和非可分离固定效应模型的新估计方法及诊断检验，并通过实证证明其优于传统固定效应估计量。
2025-10-14 econ.EM
Panel Data Models with Nonadditive Unobserved Heterogeneity: Estimation and Inference
本文研究了具有随机系数和内生回归变量的线性和非线性面板数据模型的固定效应估计和推断。感兴趣的数量--均值、方差和随机系数的其他矩--通过分别应用于每个个体的时间序列的GMM估计器的横截面样本矩来估计。为了处理由短样本中个体内估计的噪声引入的偶然参数问题，我们发展了偏差校正。这些修正是基于高阶渐近展开的GMM估计，并产生改进的点和区间估计在中等长的面板。在面板的横截面和时间序列维度以相同的速率传递到无穷大的渐近序列下，未校正估计量具有与渐近方差相同阶的渐近偏差。偏差校正在不增加方差的情况下消除偏差。根据Becker、Grossman和Murphy（1994）的一个关于卷烟需求的实证例子，美国各州的价格效应存在显著的异质性。
2013-10-11 econ.EM math.ST stat.AP
Large-Sample Properties of the Synthetic Control Method under Selection on Unobservables
本文研究合成控制法在不可观测选择下面板数据中的大样本性质，证明在预处理期足够长时，该方法对一类线性模型可提供渐近正态估计，成为双重差分法的替代方案。
2023-12-25 econ.EM
Specification testing with grouped fixed effects
本文提出基于折刀校正估计量与 bootstrap 方差的 Hausman 检验，通过比较单向与两向分组固定效应估计量，检验线性及非线性面板模型中未观测异质性的设定。
2025-09-01 econ.EM
Unobserved Heterogeneous Spillover Effects in Instrumental Variable Models
本文提出了一种考虑异质性溢出效应的工具变量模型，通过扩展局部平均处理效应框架，建立了非参数点识别条件，并利用Add Health数据展示了教育溢出的异质性。
2025-11-27 econ.EM
Logical Differencing in Dyadic Network Formation Models with Nontransferable Utilities
针对非转移效用下二元网络形成模型的加性不可分离性问题，提出逻辑差分法消除未观测个体异质性，给出一致估计量并通过仿真和Nyakatoke风险分担网络验证了方法有效性。
2021-07-27 econ.EM
Combining stated and revealed preferences
本研究针对陈述性偏好能否支撑实际选择反事实分析的问题，提出结合陈述性选择与实际选择的新方法，可识别未观测异质性、修正内生性以还原因果效应，推导了非匹配数据下的因果效应边界及对应的自助推断方法，经模拟验证性能良好。
2025-11-16 econ.EM
Shrinkage Estimation of Network Spillovers with Factor Structured Errors
本文探讨了估计的面板数据模型与横截面的相互作用，是灵活的，在其方法来指定网络之间的连接横截面单位，并在控制未观察到的异质性。假设网络上有不同的信息源，可以用多个权重矩阵的形式表示。这些矩阵可以反映观察到的链接、不同的连通性度量、分组或其他网络结构，并且矩阵的数量可以随着样本大小而增加。提出了一种惩罚拟极大似然估计器，其目的是通过将不相关权重矩阵的系数收缩到恰好为零来减轻网络误指定的风险。此外，在估计中控制未观察到的因素可以防止未观察到的异质性可能引起的错误指定。估计的渐近性质是在一个框架中得出的，其中每个参数的真值保持固定的参数总数的增加。一个蒙特卡罗模拟是用来评估有限样本的性能，并在实证应用的方法是用来研究网络溢出的流行率在确定各国的增长率。
2021-11-22 econ.EM
Identification of hedonic equilibrium and nonseparable simultaneous equations
本文推导了享乐均衡模型中偏好和技术非参数化识别的条件，在享乐均衡模型中，产品沿不止一个维度进行区分，代理人的特征在于未观察到的异质性的几个维度。Ekeland，Heckman and Nesheim（2004）和Heckman，Matzkin and Nesheim（2010）中指出，随着产品按质量指数进行区分，而代理人的特征是标量未观察到的异质性，偏好和技术的单交叉条件提供了识别限制。我们在多属性的情况下开发类似的形状限制。这些形状的限制，这是基于最优运输理论和广义凸性，使我们能够识别沿多个维度的商品差异化的偏好，从一个单一的市场的观察。因此，我们得出非参数识别结果不可分离的联立方程和多属性享乐均衡模型（可能）多个维度的未观察到的异质性。我们的结果之一是证明了绝对连续的分布内生交易的质量，这是独立的利益。
2021-02-07 econ.EM econ.TH
Nonparametric Identification in Index Models of Link Formation
本文考虑了一个具有同质效应指标和程度异质性指标的二元链接形成指数模型。我们提供非参数识别结果在一个单一的大型网络设置潜在的非参数同质性效应函数，实现未观察到的个人固定效应和未知分布的特质成对冲击，归一化，为每个可能的真实值的未知参数。我们提出了一种新的形式的规模归一化的任意分位数范围内，这不仅是理论上的强大，但也证明特别方便的识别分析，因为分位数提供了可观察的条件概率和未知的指标值之间的直接联系。然后，我们使用一个归纳的“填充和扩展”算法来建立我们的主要结果，并考虑扩展到更一般的设置，允许同质性和程度异质性之间的不可分离的依赖，以及一定程度的网络稀疏性和较弱的假设上的支持未观察到的异质性。作为一个副产品，我们还提出了一个概念，称为“建模等价”作为“观测等价”的细化，并使用它来提供一个正式的讨论规范化，识别和他们的相互作用与反事实。
2018-05-15 econ.EM
Double Machine Learning meets Panel Data -- Promises, Pitfalls, and Potential Solutions
School of Business and Economics, University of Tübingen（蒂宾根大学商学院与经济学院）
本文研究如何将双重机器学习（DML）适配到面板数据以处理未观测异质性，发现基于相关随机效应方法的预测模型在DML中能在多种设定下获得准确估计，而多数替代方法表现受未观测异质性影响显著。
2024-09-02 cs.LG econ.EM stat.ME
Factor-Augmented Panel Regressions and Variance-Weighted Treatment Effects
University of Amsterdam（阿姆斯特丹大学）；Tinbergen Institute（蒂尔堡研究所）；University of Oxford（牛津大学）；Nuffield College（纽菲尔德学院）
本文通过方差加权平均处理效应视角重新审视包含未观测异质性的面板回归，证明两种两方式面板估计量在非参数假设下收敛于可解释的估计量，探讨了单个和多个回归变量扩展时的挑战。
2026-04-20 econ.EM
A quantile-based nonadditive fixed effects model
本文提出一种基于分位数的非加性固定效应模型，用于研究异质因果效应，并通过模拟和实证分析验证了其有效性。
2025-12-08 econ.EM
Identification and Estimation of Consumers' Preferences from Repeated Observations under Nonlinear Pricing
Bates White LLC（贝茨怀特有限责任公司）；Toulouse School of Economics（图卢兹经济学院）；University of Toulouse Capitole（图卢兹第一大学）
本文提出非参数方法，通过多次观测识别和估计消费者偏好及未观测异质性，利用多种定价方案变化，非参数识别效用函数和偏好类型分布，并提出迭代估计方法，具有近参数收敛速度。
2026-04-28 econ.EM
Causal Inference under Dynamic Selection and Latent Heterogeneity
University College London（伦敦大学学院）
本研究提出一种基于核函数的双重稳健估计方法，利用预处理结果历史控制潜在异质性，识别交错采纳下的动态处理效应，并应用于美国计划生育项目，估计其对生育率的影响。
2026-10-23 econ.EM
Direct and Indirect Effects based on Changes-in-Changes
我们提出了一种新的方法，因果中介分析的基础上变化的变化假设限制未观察到的异质性随着时间的推移。这允许将二元治疗对连续结果的因果效应分解为通过二元中间变量（称为中介变量）操作的间接效应和通过其他因果机制运行的直接效应。我们确定的平均值和分位数的直接和间接影响的条件下，各亚组的结果是单调的未观察到的异质性，后者的分布不会随着时间的推移而改变条件的治疗和调解。我们还提供了一个模拟研究和实证应用的工作II计划。
2019-10-22 econ.EM econ.GN q-fin.EC
Improving control over unobservables with network data
LMU Munich（慕尼黑大学）
研究在有未观测混杂因素时的因果推断，利用含同质性的网络数据，引入渐近同质性概念构建网络形成模型，获处理效应一致估计量，应用中得到父母参与对学生成绩影响的更好估计。
2026-07-24 econ.EM
Identification and Estimation in a Class of Potential Outcomes Models
本文提出一类具备统一结构的潜在结果模型，给出因果参数识别的充要条件与双重稳健估计方法，并通过实证评估验证了其在因果模型开发中的实用性。
2023-10-08 econ.EM math.ST stat.TH
Causal Overlap Effects: A Cumulative Fixed Effect Approach
University of Wisconsin-Madison（威斯康星大学麦迪逊分校）
研究社会情境暴露时长对结果的重叠效应，提出多维处理因果框架，其重叠效应含时长和内容，还开发累积固定效应方法估计因果重叠效应，且该方法无偏。
2026-07-07 econ.EM
