مقاله عوامل متضاد در مدل های عاملی

چکیده

We study a new model where the potential outcomes, corresponding to the values of a (possibly continuous) treatment, are linked through common factors. The factors can be estimated using a panel of regressors. We propose a procedure to estimate time-specific and unit-specific average marginal effects in this context. Our approach can be used either with high-dimensional time series or with large panels. It allows for treatment effects heterogenous across time and units and is straightforward to implement since it only relies on principal components analysis and elementary computations. We derive the asymptotic distribution of our estimator of the average marginal effect and highlight its solid finite sample performance through a simulation exercise. The approach can also be used to estimate average counterfactuals or adapted to an instrumental variables setting and we discuss these extensions. Finally, we illustrate our novel methodology through an empirical application on income inequality.

چکیده به فارسی (ترجمه ماشینی)

ما یک مدل جدید را مطالعه می کنیم که در آن نتایج بالقوه ، مربوط به مقادیر یک درمان (احتمالاً مداوم) ، از طریق عوامل مشترک مرتبط می شوند.این عوامل را می توان با استفاده از یک تابلوی رگرسیون تخمین زد.ما روشی را برای برآورد اثرات متوسط متوسط زمان و واحد خاص در این زمینه پیشنهاد می کنیم.رویکرد ما می تواند یا با سری زمانی با ابعاد بالا یا با پانل های بزرگ استفاده شود.این امکان را برای اثرات درمانی ناهمگن در طول زمان و واحدها فراهم می کند و اجرای آن ساده است زیرا فقط به تجزیه و تحلیل مؤلفه های اصلی و محاسبات ابتدایی متکی است.ما توزیع بدون علامت از برآوردگر خود را از میانگین اثر حاشیه ای استخراج می کنیم و عملکرد نمونه محدود آن را از طریق یک تمرین شبیه سازی برجسته می کنیم.این روش همچنین می تواند برای برآورد میانگین متقابل یا سازگار با تنظیم متغیرهای ابزاری استفاده شود و ما در مورد این پسوندها بحث می کنیم.سرانجام ، ما روش جدید خود را از طریق یک کاربرد تجربی در مورد نابرابری درآمدی نشان می دهیم.