フィッシャー＝シュルツ講演：分離不可能なパネルデータの線形推定

というNBER論文が上がっている。原題は「Fisher-Schultz Lecture: Linear Estimation of Structural and Causal Effects for Nonseparable Panel Data」で、著者はVictor Chernozhukov（MIT）、Ben Deaner（ユニバーシティ・カレッジ・ロンドン）、Ying Gao（MIT）、Jerry A. Hausman（MIT）、Whitney Newey（同）。
以下はその要旨。

This paper develops linear estimators for structural and causal parameters in nonparametric,nonseparable models using panel data. These models incorporate unobserved, time-varying, individual heterogeneity, which may be correlated with the regressors. Estimation is based on an approximation of the nonseparable model by a linear sieve specification with individual specific parameters. Effects of interest are estimated by a bias corrected average of individual ridge regressions. We demonstrate how this approach can be applied to estimate causal effects, counterfactual consumer welfare, and averages of individual taxable income elasticities. We show that the proposed estimator has an empirical Bayes interpretation and possesses a number of other useful properties. We formulate Large-T asymptotics that can accommodate discrete regressors and which bypass partial identification in this case. We employ the methods to estimate average equivalent variation and deadweight loss for potential price increases using data on grocery purchases.
（拙訳）
本稿は、パネルデータを用いて、ノンパラメトリックかつ分離不可能*1なモデルにおける構造的で因果的なパラメータについての線形推定量を構築する。こうしたモデルは、説明変数と相関している可能性のある、観測されない時変的な個別の不均一性を織り込んでいる。推計は、個別の特定のパラメータの線形篩仕様*2による分離不可能モデルの近似に基づいている。分析対象の効果は、個別のリッジ回帰のバイアスを修正した平均で推計される。我々は、因果効果、反実仮想的な消費者の厚生、および個別の課税所得の弾力性の平均の推計にこの手法がどのように適用できるかを示す。提示された推計量が実証的なベイズ解釈を有するとともに、他の多くの有用な特性を持つことを我々は示す。我々は、離散的な説明変数を許容し、その場合に部分識別*3を迂回する大きなＴの漸近性を定式化した。我々はこの手法で、食料雑貨購入データを用いて、価格が上昇した場合の平均等価変分*4と死荷重損失を推計した。

計量経済学会*5のフィッシャー＝シュルツ講演のサイトはFisher-Schultz Lecture | The Econometric Societyで、今回の論文の対象である2023年講演はyoutubeに上がっている。講演者は論文の共著者のうちのWhitney Newey（Whitney K. Newey - WikipediaによるとNewey–West estimatorで最も有名との由）。