चेन किया हुआ अंतर-के-अंतर

यह कागज़ लंबे समय के (बाइनरी) उपचार प्रभाव पैरामीटर की पहचान, अनुमान और निष्कर्ष का अध्ययन करता है जब संतुलित पैनल डेटा उपलब्ध नहीं है, या केवल उपलब्ध डेटा के एक उपसेट में शामिल होता है। हम एक नया अनुमानकर्ता विकसित करते हैं: चेन किया हुआ अंतर-के-अंतर, जो कई असंतुलित पैनल डेटा सेट्स की ओवरलैपिंग संरचना का लाभ उठाता है। यह दृष्टिकोण कई अधूरे पैनल पर अनुमानित अल्पकालिक उपचार प्रभावों के संग्रह को समेकित करने में शामिल है। हमारा अनुमानकर्ता (1) कई समय अवधियों, (2) उपचार समय की विविधता, (3) उपचार प्रभाव की विषमता, (4) सामान्य गायब डेटा पैटर्न, और (5) अवलोकनीयों पर नमूना चयन को समायोजित करता है। हम प्रस्तावित अनुमानकर्ता के आसिम्पटोटिक गुणों को स्थापित करते हैं और मौजूदा तरीकों की तुलना में पहचान और प्रभावशीलता में सुधार पर चर्चा करते हैं। अंततः, हम इसके प्रासंगिकता को (i) संख्यात्मक सिमुलेशन के माध्यम से, और (ii) फ्रांस में एक नवाचार नीति के प्रभावों के बारे में एक आवेदन के माध्यम से प्रदर्शित करते हैं।