Identification in Nonlinear Dynamic Panel Models under Partial Stationarity
University of Pennsylvania（宾夕法尼亚大学）；Ohio State University（俄亥俄州立大学）；Amazon（亚马逊）
本文提出了一种在部分平稳性条件下对非线性动态面板模型进行识别的方法，适用于多种受限依赖变量模型，并通过实证分析展示了其稳健性。
2026-01-08 econ.EM
Identification of Average Treatment Effects in Nonparametric Panel Models
Stanford University（斯坦福大学）
本文提出非参数因子模型，证明面板数据中平均处理效应的可识别性，并给出可广泛用于组间差异分解的一致估计量。
2025-03-25 cs.LG econ.EM 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
Sufficient Statistics for Markovian Feedback Processes and Unobserved Heterogeneity in Dynamic Panel Logit Models
The Ohio State University（俄亥俄州立大学）
本文研究动态面板logit模型中状态依赖、一阶马尔可夫反馈过程和个体未观测异质性的识别问题，通过引入反馈过程和未观测异质性的充分统计量，证明在序列外生离散协变量遵循一阶马尔可夫过程时，条件似然法无法识别，需额外限制条件。
2026-04-30 econ.EM
Beyond Parallel Trends: An Identification-Strategy-Robust Approach to Causal Inference with Panel Data
本文提出一种稳健于识别策略的面板数据因果推断方法，通过寻找相近比较组来提高推断的可信度。
2025-11-26 econ.EM
Nonparametric Identification in Panels using Quantiles
本文研究了具有时间齐性的不可分面板模型中连续回归变量的CeterisParibus效应的识别和估计。兴趣效应是模型的平均值和分位数结构函数的导数。我们发现，这些衍生工具被确定为两个时间段的“逗留者”，即个人在两个时间段具有相同的回归值。我们表明，识别结果结转到模型，允许位置和规模的时间效应。我们提出了非参数序列方法和加权自助法来估计和推断所确定的效果。提出的引导允许统一推断的功能值的参数，如分位数的影响，均匀的分位数指数和/或回归值的区域。恩格尔曲线估计面板数据的实证应用说明了结果。
2014-08-05 econ.EM stat.ME
Identification and Estimation in a Time-Varying Endogenous Random Coefficient Panel Data Model
National University of Singapore（新加坡国立大学）
本文提出了一种新的面板数据方法，用于识别内生随机系数模型中的平均部分效应和局部平均响应函数，并通过对中国制造业企业的生产函数估计，揭示了企业间产出弹性的显著差异。
2026-02-21 econ.EM
Identification and Estimation of a Partially Linear Regression Model using Network Data: Inference and an Application to Network Peer Effects
本文提供了与Auerbach（2019 a）的设置，模型和估计量相关的其他结果。第1节包含关于Auerbach（2019 a）第2节估计量的大样本性质的结果。第2节考虑模型的一些扩展。第3节提供了一个估计网络同伴效应的应用。第4节显示了一些模拟的结果。
2021-05-20 econ.EM
Identification of Heterogeneous Peer Effects
Erasmus University Rotterdam（伊拉斯姆斯大学鹿特丹）；Tindbergen Institute（廷伯根研究所）；Université Laval（拉瓦尔大学）；University of Surrey（萨里大学）
研究异质同伴效应，构建基于同伴结果排名的模型，可通过外生特征识别参数。引入分位数依赖系数简化模型并检验，应用于学生数据发现现有模型无法捕捉的效应，揭示学生网络影响因素。
2026-07-27 econ.EM
Identification of Dynamic Panel Logit Models with Fixed Effects
University of Toronto（多伦多大学）；Michigan State University（密歇根州立大学）；Carleton University（卡尔顿大学）
本文研究了具有固定效应的动态面板逻辑模型的识别问题，通过截断矩问题理论，提出了一种基于有限条件矩等式的识别方法，并展示了其在参数估计和推断中的应用。
2026-04-03 econ.EM stat.ME
Proxy Controls and Panel Data
本文提出利用 proxy controls（代理控制变量）在面板和横截面设定下进行因果效应的非参数识别与估计，推导了收敛速度并构建置信带，并通过消费者需求与留级效应的实证验证了方法有效性。
2023-11-21 econ.EM
Partial Identification of Distributional Treatment Effects in Panel Data using Copula Equality Assumptions
本文提出利用面板数据和两种组内Copula等式假设部分识别分布处理效应，并通过锻炼对体重影响的实证展示其增强识别能力。
2024-11-07 econ.EM
Identification, estimation and inference in Panel Vector Autoregressions using external instruments
University of Rome Tor Vergata（罗马托尔维加塔大学）
本文提出利用外源性工具识别面板向量自回归模型，并通过实证研究估计动态财政乘数，发现乘数高于1且影响持续
2026-11-04 econ.EM
Identification robust inference for moments based analysis of linear dynamic panel data models
我们使用辨识稳健性检验来证明由Arellano和Bond（1991）、Arellano和Bover（1995）、Blundell和Bond（1998）以及Ahn和Schmidt（1995）提出的线性动态面板数据模型的差异、水平和非线性矩条件，当自回归参数的真值接近1且初始观测值的方差较大时，不要单独识别自回归参数。我们证明，这些时刻条件的组合，但是，这样做时，有三个以上的时间序列观测。然后，这种识别仅由一组所谓的鲁棒矩条件产生。这些鲁棒矩是由差分、水平和非线性矩条件的组合所跨越的，并且只依赖于差分数据。我们表明，当只有鲁棒矩包含自回归参数的识别信息时，使用组合矩的Kleibergen（2005）LM检验的判别能力与单独使用鲁棒矩可以获得的最大拒绝频率相同。这表明，KLM测试隐式地使用了强大的时刻时，只有他们包含的自回归参数的信息。
2021-05-18 econ.EM
Identification of Average Marginal Effects in Fixed Effects Dynamic Discrete Choice Models
本文在短面板固定效应动态logit模型中证明，T小至3时即可点识别平均边际效应，并给出闭式表达式，突破了传统观点。
2024-07-03 econ.EM
Identification of time-varying counterfactual parameters in nonlinear panel models
本文提出含固定效应与时间效应的非线性半参数面板模型识别框架，在无误差参数分布等假设下识别反事实结果生存分布，并推导双向固定效应选择模型的平均偏效应和边际效应。
2023-11-04 econ.EM
Pseudo-Panel Event Studies: Econometric Foundations for Credible Applications
Simon Fraser University（西蒙菲莎大学）；Korea University（高丽大学）
本文针对重复横截面数据的事件研究提出伪面板方法，确立其识别条件，推导等价回归形式，开发多种估计量，模拟验证其置信区间表现，并在韩国数据中验证其就业儿童惩罚效应估计的有效性。
2026-10-14 econ.EM
Identification and Estimation of Production Function with Unobserved Heterogeneity
本文提出有限混合模型解决生产函数中超越Hicks中性的不可观测异质性问题，利用四期面板数据实现非参数识别，并发现忽视该异质性会导致生产率增长估计出现显著系统性偏差。
2023-05-20 econ.EM
Revisiting Panel Data Discrete Choice Models with Lagged Dependent Variables
本文研究带滞后因变量的半参数面板数据二元选择模型，利用“无穷远处的识别”策略提出条件最大得分估计量，克服了维数灾难并允许任意时间趋势，理论与实证均验证了方法的有效性。
2024-08-22 econ.EM
Count Data Models with Heterogeneous Peer Effects under Rational Expectations
Laval University（拉瓦尔大学）
本文提出了一种基于理性预期的计数数据模型，考虑同伴效应的异质性，并通过实证研究发现女性对同伴的影响更敏感。
2026-02-03 econ.EM
Identification in a Binary Choice Panel Data Model with a Predetermined Covariate
研究含前定二元协变量的二元选择面板数据模型的参数识别问题，给出参数无法点识别的条件，刻画并通过线性规划计算识别集，验证短面板下识别集仍具信息价值。
2023-07-22 econ.EM math.ST stat.ME
Across-Design Uncertainty in Short Pricing Panels: Inference and Identification
Universidad de Huelva（韦尔瓦大学）
本文针对短期定价面板的跨设计不确定性，通过合成数据模拟，明确其占估计误差方差97.6%，给出经验关系，发现Paule-Mandel方差成分可提升覆盖率，为数据生成过程设计提供方向。
2026-09-09 cs.LG econ.EM
Estimating the Intensive Margin Effect in Panel Data Settings
European University Institute（欧洲大学学院）
本文提出了一种新的识别策略，用于估计面板数据中密集边效应，并通过哥伦比亚就业培训计划案例验证其有效性。
2026-02-06 econ.EM
Weak Identification in Peer Effects Estimation
本研究揭示网络线性均值模型在填充渐近下因渐近共线性导致弱识别，提出线性求和模型作为替代，在网络度有变化时避免偏差与慢收敛。
2025-08-06 cs.SI econ.EM math.ST
Nonseparable Multinomial Choice Models in Cross-Section and Panel Data
多项选择模型是离散方案中经济选择实证建模的基础。本文利用横截面数据和面板数据分析了当选择效用在观测属性和多维未观测异质性中不可分时二元和多项式选择模型的识别问题。我们证明了选择概率关于连续属性的导数是具有外生异质性的横截面模型中效用导数的加权平均。在具有独立可加性效应的随机系数模型的特殊情况下，我们进一步刻画了零处的概率导数与系数的总体均值成比例。我们将识别结果扩展到使用控制函数或面板数据的内生异质性模型。在两个时期的时间平稳面板模型中，我们发现选择概率的导数随时间的差异识别效用导数“在对角线上”，即当观察到的属性在两个时期取相同的值时。我们还表明，时间平稳性不确定结构衍生品“的对角线”在连续和多项式选择面板模型。
2018-05-09 econ.EM stat.AP stat.ME
Inference with Granular Instruments in Large Panels
University of Warwick（华威大学）
本文发展了大型面板中颗粒工具变量（GIV）的强度渐近理论，区分了强、近弱和弱三种工具强度状态，并提供了相应的推断方法。
2026-10-30 econ.EM stat.ME
Identification and estimation of dynamic random coefficient models
UTS Business School, University of Technology Sydney（悉尼科技大学商学院）
本文研究了包含预定自变量的线性面板数据模型，探讨了个体特定的系数对自变量影响的异质性，并提出可计算的估计与推断方法，应用于美国家庭生命周期收入动态研究。
2026-04-24 econ.EM
Panel Conditioning in Fixed-Effects Models: Identification and Bias Propagation
Toyo University（东洋大学）
本研究在固定效应模型中刻画面板条件作用的识别特征，证明双向固定效应吸收未识别方向，并提出基于任期指标的双向回归纠正偏差，通过模拟和实证数据验证。
2026-09-25 econ.EM stat.AP stat.ME
Identification and Bayesian Inference for Synthetic Control Methods with Spillover Effects
The University of Tokyo（东京大学）
本文提出一种扩展合成控制法的面板数据方法，以考虑外溢效应并估计治疗和外溢效应。方法结合空间自回归模型和贝叶斯推断，应用于加州烟草税和苏丹分裂经济影响的实证研究。
2026-03-25 econ.EM
Double Machine Learning for Static Panel Data with Instrumental Variables: New Method and Applications
Erasmus School of Economics, Erasmus University（伊拉斯谟斯大学经济研究生院）；Tinbergen Institute（丁伯根研究所）；Department of Business Analytics and Applied Economics, Queen Mary University of London（伦敦大学玛丽女王学院商业分析与应用经济学系）；Institute for Social and Economic Research, University of Essex（埃塞克斯大学社会与经济研究所）
本文提出静态面板模型中处理内生处理的双重机器学习估计器（panel IV DML），并引入弱识别诊断，通过三个迁移研究验证其在高维非线性影响下的稳健性与准确性。
2026-03-20 econ.EM stat.ME stat.ML
Average and Quantile Effects in Nonseparable Panel Models
不可分离面板模型在各种经济环境中都很重要，包括离散选择。本文给出了在时间齐性条件下，如“时间是随机分配的”或“时间是一种工具”的不可分模型的辨识和估计结果。“在静态或动态条件下，在完全非参数模型和半参数模型中，在具有时间效应的离散回归量中，给出了平均和分位数效应的部分识别结果。证明了通常的线性固定效应估计量不是已确定平均效应的相合估计量，并给出了一个相合估计量。给出了一个简单的分位数处理效应估计量，解决了从面板数据中估计分位数处理效应的重要问题。给出了静态和动态模型中的总体效应的界。动态边界提供了一个部分识别解决方案的重要问题，估计的影响，状态依赖的存在下不可观测的异质性。随着$T$的增长，通过推导识别集的收缩率来显示$T$的影响，即时间段的数量。我们还考虑了半参数，离散选择模型，并发现半参数面板边界可以比非参数边界更紧。提出了计算方便的半参数模型方法。我们提出了一种新的推理方法，适用于面板数据和其他设置，并表明它产生一致有效的置信区域在大样本。我们给出了经验性的例证。
2013-03-26 econ.EM math.ST stat.AP
Closed-form estimation and inference for panels with attrition and refreshment samples
Center for Economic and Social Research, University of Southern California（南加州大学经济与社会研究中心）；Department of Economics, University of Virginia（弗吉尼亚大学经济学系）
本文提出一种非参数识别假设，通过数据经验累积分布函数的变换实现简单闭式估计，无需调参或优化，证明其一致性与渐近正态性，并通过模拟和收入数据展示其有效性。
2026-05-14 econ.EM
Raking for estimation and inference in panel models with nonignorable attrition and refreshment
University of Southern California（南加州大学）；University of California, Los Angeles（加利福尼亚大学洛杉矶分校）；ISEG Lisbon School of Economics & Management, Universidade de Lisboa（里斯本大学ISEG里斯本经济与管理学院）
本文提出利用迭代比例拟合算法解决面板模型中非忽略性流失与刷新采样的估计问题，通过参数矩条件建立一致性估计并提供渐近方差估计方法。
2026-09-22 econ.EM
Measurement Error and Peer Effects in Networks
Aix-Marseille University（艾克斯-马赛大学）；CNRS（法国国家科学研究中心）；University of Antwerp（安特卫普大学）；CESifo（CESifo研究所）
本文针对网络中测量误差与同伴效应的问题，利用网络结构实现识别，提出一致GMM和2SLS估计量，并通过蒙特卡洛模拟验证结果。
2026-09-15 econ.EM
A Correlated Random Coefficient Panel Model with Time-Varying Endogeneity
研究了一类具有随机系数的线性面板模型。我们不限制时不变的未观察到的异质性和协变量的联合分布。我们研究的平均偏效应（APE）的识别时，固定效应的技术不能用来控制回归和随时间变化的干扰之间的相关性。依靠控制变量，我们开发了一个建设性的两步识别参数。第一步确定nonparametrically的条件期望的干扰给定的回归和控制变量，和第二步使用“组间”的变化，校正endofocus，以确定APE。我们提出了APE的一个自然半参数估计，证明了它的$\sqrt{n}$渐近正态性，并计算了它的渐近方差。估计是计算上容易实现，和蒙特卡罗模拟显示良好的有限样本特性。控制变量出现在各种经济和计量经济模型，我们提出了我们的论点在几个模型中的应用。作为实证说明，我们估计的平均跨期替代弹性的劳动力供给模型中的随机系数。
2022-11-18 econ.EM
Semiparametric Estimation of Dynamic Binary Choice Panel Data Models
针对带固定效应和动态项的面板数据二元选择模型，提出两步半参数识别方法与易实现的2SMS估计程序，其收敛速度与模型维度无关，推导了渐近性质并验证了有限样本表现。
2024-02-07 econ.EM
Identification and Estimation of Discrete Choice Models with Unobserved Choice Sets
我们提出了一个框架的非参数识别和估计的离散选择模型与不可观察的选择集。我们从一个关于选择的面板数据集恢复选择集和偏好的联合分布。我们假设潜在的选择集是稀疏的，或者面板足够长。稀疏性要求可能的选择集的数量相对较小。例如，当选择集是嵌套的，或者当它们形成一个分区时，它是满足的。我们的估计过程是计算速度快，并使用混合整数优化恢复稀疏支持的选择集。使用家庭扫描仪数据集分析即食谷物行业，我们发现，忽略选择集的不可观察性可能会导致偏好的估计有偏差，因为选择集存在显着的潜在异质性。
2021-06-19 econ.EM econ.TH
Heterogeneity in peer effects for binary outcomes
Univ Rennes, CNRS, CREM – UMR6211（雷恩大学，法国国家科学研究中心，CREM – UMR6211）
本文基于不完全信息的同时网络博弈结构模型，探讨了同伴效应中异质性的存在，证明了均衡的唯一性和异质同伴效应参数的可识别性，并通过中学吸烟和饮酒数据展示了假设同质偏好会导致同伴效应估计偏差和政策评估偏差。
2026-06-04 econ.EM
Bounds on Average Effects in Discrete Choice Panel Data Models
University of Oxford（牛津大学）；University College London（伦敦大学学院）
本文提出了一种方法，用于估计离散选择面板数据模型中平均效应的外界限，解决了部分识别和偶然参数问题带来的挑战。
2026-10-01 econ.EM
Estimation of Latent Group Structures in Time-Varying Panel Data Models
Aarhus University（奥胡斯大学）；Maastricht University（马斯特里赫特大学）
针对系数时变且存在潜在群组结构的面板数据模型，提出结合多项式样条筛的FUSE-TIME估计量，可联合估计群组成员与系数轨迹，具备神谕效率，有限样本表现优异且有实证应用价值。
2025-11-18 econ.EM
Correcting Nonresponse Bias Using Panel Data on Data Requests and Responses
University of Wisconsin-Madison（威斯康星大学麦迪逊分校）；University of Maryland（马里兰大学）
本文提出利用面板数据中的请求作为工具变量，纠正非响应偏差，并通过调查数据验证了创业职业意向的性别差距
2026-08-27 econ.EM
Identifying Network Ties from Panel Data: Theory and an Application to Tax Competition
University College London（伦敦大学学院）；Queen Mary University（玛丽女王大学）
本文通过自适应弹性网GMM方法，从面板数据中识别社会网络，揭示税收竞争不同于地理邻近州的竞争假设，为税收设定行为的决定因素提供新见解。
2023-10-11 econ.EM stat.AP
Moment Conditions for Dynamic Panel Logit Models with Fixed Effects
本文针对含个体固定效应的离散选择面板数据，提出系统构造不依赖固定效应的矩条件的解析方法，并用于动态二元 logit 模型的参数识别与估计。
2023-12-06 econ.EM
Panel Data Quantile Regression for Treatment Effect Models
在这项研究中，我们开发了一种新的估计方法的分位数处理效应（QTE）的秩不变和秩平稳性假设。Ishihara（2020）在这些假设下探索了不可分离面板数据模型的识别，并提出了基于最小距离方法的参数估计。然而，当协变量的维数很大时，使用该过程的最小距离估计在计算上要求很高。为了克服这个问题，我们提出了一个两步估计方法的基础上的分位数回归和最小距离方法。然后，我们展示了我们的估计的一致渐近性质和非参数自助的有效性。蒙特卡罗研究表明，我们的估计在有限样本表现良好。最后，我们提出了两个实证说明，估计分配效果的保险提供对家庭生产和电视观看对儿童认知发展。
2021-11-17 econ.EM stat.ME
Binary choice logit models with general fixed effects for panel and network data
本文系统综述了面板与网络数据中带一般固定效应的二元选择 Logit 模型识别策略，重点分析条件似然和矩方法两类消除冗余参数的途径，并补充了新例子与新结果。
2025-08-15 econ.EM
Peer Effects in Random Consideration Sets
我们开发了一个离散选择的动态模型，将同伴效应纳入随机考虑集。我们描述了均衡行为，并研究了模型的经验内容。在我们的设置中，朋友选择的变化会影响考虑集的分布。我们利用这种变化来恢复偏好，注意力机制和网络连接的排名。这些非参数识别结果允许不受限制的异质性在人群中，不依赖于任何协变量或可用选项集的变化。我们的方法导致一个最大似然估计，在模拟中表现良好。我们将我们的研究结果应用于一个实验数据集，该数据集旨在研究视觉注意力。
2021-05-17 econ.EM
Heterogeneous Treatment Effects via Dynamic Panel Data Methods
Louisiana State University（路易斯安那州立大学）；Harvard University（哈佛大学）；Rice University（莱斯大学）
本文研究潜在结果依赖过往处理时的异质性跨期处理效应识别，分析动态面板IV估计量的性质，给出序列可交换性等识别条件，并对比其与平行趋势假设在不同数据场景下的差异。
2026-11-04 econ.EM
Peer effect analysis with latent processes
LMU Munich（慕尼黑大学）
本文提出了一种基于潜在过程的方法，用于分析在无标准社会均衡情况下不可逆决策产生的同伴效应，通过建模因果方向以避免线性回归，并在不同网络设置中估计因果效应。
2026-02-17 econ.EM
Bounds on Distributional Treatment Effect Parameters using Panel Data with an Application on Job Displacement
本文开发了新的技术来约束分布处理效应参数，这些参数取决于潜在结果的联合分布--一个对象不被标准识别假设所识别，例如选择可观察量，甚至是随机分配治疗。我表明，面板数据和一个额外的假设之间的依赖性治疗组随着时间的推移，未经治疗的潜在结果（i）提供更多的识别能力的分布处理效应参数比现有的界限和（ii）提供一个更合理的条件比现有的方法，获得点识别。我应用这些界限来研究大衰退期间工作置换效应的异质性。使用标准技术，我发现在大衰退期间被解雇的工人平均损失了34%的收入，相对于他们没有被解雇的反事实收入。使用本文中开发的方法，我还表明，平均效应掩盖了工人之间的实质性异质性。
2020-08-18 econ.EM
On the Estimation of Peer Effects for Sampled Networks
在设计识别的新推理范式下，研究了部分观测网络的外生同伴效应的估计问题。设计识别的核心思想是，与观测数据拓扑相容的两个完整数据版本可能会产生两种不同的概率分布。我们发现，同行的影响，不能确定的设计时，网络之间的链接采样和未采样的单位没有观察到。在现实的建模条件下，并假设抽样单位报告其网络的接触的大小，估计不完整的网络数据的同行效应所产生的渐近偏差的特点，并提出了一个偏差校正估计。我们的方法的有限样本性能进行了研究，通过模拟。
2022-08-19 econ.EM stat.AP stat.ME
Difference-in-Differences Meets Synthetic Control: Doubly Robust Identification and Estimation
University of California, San Diego（加州大学圣迭戈分校）；Guanghua School of Management, Peking University（北京大学光华管理学院）；National University of Singapore（新加坡国立大学）
本研究提出一种整合双重差分与合成控制优势的双重稳健方法，用于短面板因果推断，在平行趋势或组级合成控制假设下识别平均处理效应，并开发半参数估计框架、乘子自助推断法，扩展至重复横截面与交错处理设计，实证评估阿拉斯加最低工资上调影响，模拟验证有限样本性能。
2026-09-29 econ.EM
Linear Estimation of Structural and Causal Effects for Nonseparable Panel Data
MIT（麻省理工学院）；UCL（伦敦大学学院）；UBC（不列颠哥伦比亚大学）；NBER（美国国家经济研究局）
本文针对含时变个体异质性的不可分离面板数据，提出线性估计方法，可估计结构与因果效应等，还利用食品杂货购买数据完成实证应用。
2026-07-31 econ.EM
Inference on panel data models with a generalized factor structure
本文针对含广义因子结构的线性面板数据模型，提出基于条件均值独立性假设的一致估计方法与设定检验，证明了其理论性质，模拟和实证验证了方法的有效性。
2025-06-12 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
