2023年6月

IZA DP No. 16202:固定效应和因果推理

在许多学科中,线性面板数据模型的固定效应估计量是用非实验数据估计因果效应的默认方法,这些数据不会被时不变的、单位特定的异质性所混淆。然而,固定效应估计量的一个特征在实践中经常被忽略:对于随时间变化的数据t∈{1,…,T}对于观测值i∈{1,…,N},研究人员可以用单位固定效应去除的未观察到的异质性数量在t中呈弱下降趋势,换句话说,时间不变的属性集并不随面板长度不变。当相关的单位特异性异质性不是时不变时,我们考虑了T > 2固定效应估计量的几种替代方法,包括现有的估计量,如第一差分,两次一差分和交互式固定效应估计量。我们还介绍了几种基于滚动估计的新算法。在这里考虑的情况下,使用固定效应估计器得到的很少,失去的却很多。我们建议在应用研究中报告多个线性面板数据估计器的结果。