活动

[CSSL@CUHK Webinar] 异质性处理效应边界在样本选择下的应用,以社交媒体对政治极化的影响为例

分享
列印
日期:

2024年4月19日

時間:

9:00 am to 10:30 am (UTC+8,HKT)

地點:

网路研讨会

講者:

Phillip Heiler教授

講者簡歷:

Phillip Heiler 是奥胡斯大学经济与商业经济系和TrygFonden儿童研究中心(休假中)的副教授,目前是哈佛大学经济系的访问副教授。他的主要研究兴趣包括因果推断的计量经济学、因果机器学习、非参数和半参数计量经济学以及部分识别。

講座摘要:

我们提出了一种估计和推断异质性因果效应参数边界的方法。这一方法适用于一般样本选择模型,其中处理可能会影响结果是否被观察到,并且没有排除限制。该方法提供了作为政策相关的前处理变量函数的条件效应边界。它允许对未知条件效应进行有效的统计推断。我们采用了一种灵活的去偏/双重机器学习方法,可以适用于非线性函数形式和高维混淆变量。同时,我们还提供了估计的易验证高级条件、误规范鲁棒置信区间和均匀置信带。我们重新分析了一项关于Facebook上反态度新闻订阅的大规模实地实验的数据,我们的方法相比传统方法显著缩小了效应边界,并暗示年轻用户的去极化效应。

備註: