On the consistency of bootstrap for matching estimators
本文证明朴素自助法在匹配数量 M 发散时对原始匹配估计量一致,从而表明 Abadie 和 Imbens(2008)发现的不一致性仅由固定 M 引起。
2024-11-19 econ.EM math.ST stat.TH
Inference in Difference-in-Differences with Few Treated Units and Spatial Correlation
University of São Paulo(圣保罗大学);São Paulo School of Economics, FGV(巴西瓦加斯基金会圣保罗经济管理学院)
本文研究了在少量处理单位和空间相关误差下双重差分的推断问题,提出了一种适用于此类情况的推断方法,适用于均值比较估计和预测区间构造。
2026-06-30 econ.EM
On Rosenbaum's Rank-based Matching Estimator
本文填补了 Rosenbaum 基于秩的匹配估计量在理论上的空白,证明其结合回归调整后无需严格协变量矩假设即可具备双重稳健性和半参数有效性。
2024-01-06 econ.EM math.ST stat.TH
Isotonic propensity score matching
本文提出一种基于等距回归估计倾向得分的一对多匹配估计量,用于估计平均处理效应,解决现有匹配方法的效率、参数选择、稳健性及自举有效性问题。
2025-01-23 econ.EM stat.ME
A difference-in-differences estimator by covariate balancing propensity score
本文提出基于协变量平衡倾向得分的双重差分估计量,用于估计处理组平均处理效应,具有局部有效性和双重稳健性,且收敛速度优于AIPW估计量。
2025-08-04 econ.EM
Gaussian and Bootstrap Approximation for Matching-based Average Treatment Effect Estimators
本文为基于协变量和秩匹配的ATE估计量建立了高斯近似界,采用Malliavin-Stein方法量化匹配数量和处理平衡性的影响,并开发了乘数自助法程序以构建非渐近有效的置信区间。
2024-12-22 econ.EM math.PR math.ST
Semi-nonparametric models of multidimensional matching: an optimal transport approach
Simon Fraser University(西蒙菲莎大学);Korea University(韩国延世大学);Hanyang University(汉阳大学)
本文利用最优传输理论,提出了可转移效用下多维匹配模型的半非参数筛子估计量,并应用于工人-工作匹配,揭示了1990-2010年间美国经济中认知能力偏向的技术进步比先前估计更大。
2026-05-21 econ.EM
Limit theorems of matching estimators with a fixed number of matches
Duke University(杜克大学);University of Washington(华盛顿大学)
本文重新审视Abadie和Imbens针对固定匹配数的最近邻匹配估计量的平均处理效应的极限定理,首次建立了具有显式计算极限方差的非标准化中心极限定理(CLT)。关键在于证明CLT中归一化统计量收敛到其均值,并计算该均值的闭式表达式。前者填补了未发表工作(Abadie和Imbens,2002)中的空白,后者解决了Abadie和Imbens(2006)提出的问题。
2026-05-19 econ.EM math.ST stat.TH
A Design-Based Perspective on Synthetic Control Methods
本文从基于设计的视角研究合成控制方法,指出标准估计量在随机分配下有偏,提出无偏的MUSC估计量及其方差的无偏估计,证实其均方根误差更低,且该提升在处理时期随机选择时有弱保证,可补充模型类方法。
2023-07-19 econ.EM stat.ME
PUATE: Efficient Average Treatment Effect Estimation from Treated (Positive) and Unlabeled Units
Mizuho-DL Financial Technology, Co., Ltd.(Mizuho-DL金融科技公司)
针对仅观察处理组和未标记组的设定,本文推导出半参数有效界并构建了达到该界的平均处理效应(ATE)半参数有效估计量,为缺失数据因果推断和弱监督学习做出贡献。
2025-05-28 cs.LG econ.EM math.ST
Why Synthetic Control estimators are biased and what to do about it: Introducing Relaxed and Penalized Synthetic Controls
本文扩展了文献的合成控制的理论特性的情况下,非线性生成模型,显示合成控制估计一般是有偏的,在这样的设置。我推导出一个下界的偏见,表明它的唯一组成部分,是由合成控制的选择影响的是成对的差异之间的加权和处理的单元和未处理的单元在合成控制。为了解决这种偏差,我提出了一种新的合成控制估计,允许一个恒定的差异的合成控制的治疗单位在预治疗期间,并惩罚成对的差异。允许恒定偏移使模型更加灵活,从而创建更大的潜在合成控制集,并且惩罚项允许选择将最小化偏差的潜在解决方案。我研究这个估计的属性,并提出了一个数据驱动的过程参数化的惩罚条款。
2021-11-21 econ.EM stat.ME
The finite sample performance of instrumental variable-based estimators of the Local Average Treatment Effect when controlling for covariates
本文研究了有限样本性能的一系列参数,半参数,和非参数工具变量估计时,控制一组固定的协变量,以评估局部平均处理效应。我们的模拟设计基于美国的经验劳动力市场数据,并在几个维度上有所不同,包括效应异质性、工具选择性、工具强度、结果分布和样本量。在所考虑的估计器和模拟中,基于随机森林(以数据驱动方式控制协变量的机器学习器)的非参数估计在(基于引导的)95%置信区间的平均覆盖率方面具有竞争力,同时也相对精确。非参数核回归以及某些版本的半参数半径匹配的倾向得分,配对的协变量,逆概率加权也有一个不错的覆盖范围,但不如随机森林为基础的方法精确。在LATE估计的平均均方根误差方面,核回归表现最好,紧随其后的是随机森林方法,其具有最低的平均绝对偏差。
2022-12-14 econ.EM
Matched Triple-Differences: A Framework for Covariate Adjustment
UC Santa Barbara(加州大学圣塔芭芭拉分校)
针对三重差分回归中协变量调整的缺陷,提出匹配三重差分框架,构建一致估计量,实证显示结果异于传统3WFE回归。
2026-10-06 econ.EM
On regression-adjusted imputation estimators of the average treatment effect
使用估计的回归函数插补缺失的潜在结果是估计因果效应的自然想法。在文献中,估计相结合的插补和回归调整被认为是可比的增广逆概率加权。因此,人们长期以来一直认为,这种估计方法在避免直接构建权重的同时,也具有双重鲁棒性(Imbens,2004; Stuart,2010)。推广作者的早期结果(Lin等人,2021),本文形式化了这一猜想,表明一大类回归调整插补方法确实是双重稳健的估计平均治疗效果。此外,只要密度和回归模型都被正确指定,它们就可以证明是半参数有效的。我们的理论所涵盖的填补方法的显着例子包括核匹配,(加权)最近邻匹配,局部线性匹配和(诚实)随机森林。
2023-01-19 econ.EM math.ST stat.TH
On propensity score matching with a diverging number of matches
本文重新考察倾向得分匹配估计量,发现当匹配数随样本量发散时,改进的估计量能提升效率,并在倾向得分充分降维时达到半参数效率下界。
2023-11-14 econ.EM math.ST stat.TH
Synthetic Regressing Control
Institute of Science and Technology for Brain-Inspired Intelligence(脑启发智能科学与技术研究所);Fudan University(复旦大学)
本文提出合成回归控制(SRC)方法,通过单变量回归对齐预处理期数据,优化权重以提升合成控制效果,理论证明其渐近最优性。
2026-01-31 econ.EM stat.ME
Identification and estimation of treatment effects in a linear factor model with fixed number of time periods
本文提出一种在线性因子模型中识别和估计ATT的新方法,无需处理前时期数趋于无穷,通过非线性变换协变量识别,并给出单受处理单元、多控制单元下的渐近无偏估计。
2025-03-27 econ.EM
A Note on the Estimation of Job Amenities and Labor Productivity
本文基于对均衡匹配和工资的观察,引入了一个单一匹配市场中工作舒适度和劳动生产率价值的极大似然估计。估计过程同时拟合匹配模式和工资曲线。虽然我们的估计是适合于广泛的分配问题,我们提供了一个应用程序的估计的价值的统计寿命使用补偿工资差异的致命伤害的风险工作。使用美国2017年的数据,我们估计统计生命的价值为630万美元(2017年)。
2023-01-29 econ.EM
Estimation based on nearest neighbor matching: from density ratio to average treatment effect
最近邻(NN)匹配作为一种工具来对齐从不同组中采样的数据,在概念上是自然的,在实践中也是很好的使用。在一篇具有里程碑意义的论文中,Abadie和Imbens(2006)提供了NN匹配的第一个大样本分析,然而,一个关键的假设是NN的数量$M$是固定的。这份手稿揭示了他们研究中的一些新东西,并表明,一旦允许$M$随样本量而偏离,他们分析中的内在统计量实际上构成了密度比的一致估计量。此外,通过选择合适的$M$,该统计量可以得到Lipschitz密度函数类上的极大极小估计下界.因此,与发散$M$,NN匹配可证明产生一个双稳健估计的平均治疗效果,是半参数有效的,如果密度函数是足够光滑的,并适当指定的结果模型。因此,它可以被视为双机器学习估计器的先驱。
2021-12-27 econ.EM math.ST stat.TH
Quantile Treatment Effects in High Dimensional Panel Data
针对高维面板数据中仅少数单元受干预的场景,将广义合成控制方法拓展为分位数处理效应估计方法,建立了渐近性质与bootstrap推断程序,经模拟和2008年中国刺激计划实证验证有效。
2025-06-18 econ.EM stat.AP stat.ME
When Does Inexact Matching Ensure Balance and Inference without Adjustment?
University of Pennsylvania(宾夕法尼亚大学)
本文针对d维连续协变量的一对一匹配,证明d≤3时匹配设计可保证平衡性并支持多种有效推断,d≥4时平衡性失效,且通过数值实验验证了理论结果。
2026-10-09 econ.EM math.ST stat.ME
A Unified Theory for Causal Inference: Direct Debiased Machine Learning via Bregman-Riesz Regression
本文提出因果推断的统一理论,通过Bregman-Riesz回归整合Riesz回归、协变量平衡、DRE、TMLE和匹配估计器,揭示它们在ATE估计中的对偶与等价关系,并证明TMLE可消除主导偏差项。
2025-10-30 cs.LG econ.EM math.ST
Asymptotically Unbiased Synthetic Control Methods by Moment Matching
本文针对现有合成控制方法中未处理单元结果与误差项相关导致的内生性偏差问题,提出基于矩匹配的渐近无偏合成控制方法,可降低反事实预测均方误差并提供处理效应的完整分布。
2025-11-07 cs.LG econ.EM stat.ME
Matrix Completion Methods for Causal Panel Data Models
在本文中,我们研究的方法,估计因果关系的设置与面板数据,其中一些单位暴露于治疗在某些时期,目标是估计反事实(未治疗)的结果为治疗单位/时期组合。我们提出了一类矩阵完成估计,使用观察到的控制结果矩阵的元素对应于未处理的单位/期间,插补的控制结果矩阵的“丢失”的元素,对应于处理的单位/期间。这导致一个矩阵,很好地近似原始(不完整)矩阵,但根据矩阵的核范数具有较低的复杂性。我们概括的矩阵完成文学的结果,让缺失数据的模式有一个时间序列的依赖结构,这是常见的社会科学应用。我们提出了新的见解矩阵完成文学,文学互动的固定效应模型和文学节目评估unconfoundness和综合控制方法之间的联系。我们表明,所有这些估计可以被看作是集中在同一个目标函数。它们的区别仅仅在于它们处理识别的方式,在某些情况下仅仅通过正则化(我们提出的核范数矩阵完备估计器),在其他情况下主要通过施加硬限制(无混淆性和综合控制方法)。所提出的方法优于unconfoundness为基础的或合成的控制估计器在基于真实数据的仿真。
2022-04-21 econ.EM math.ST stat.TH
A Semiparametric Instrumented Difference-in-Differences Approach to Policy Learning
本文提出一种半参数工具变量双重差分方法,利用二元工具变量在平行趋势假设不成立时识别并学习最优处理策略,构建了Wald、IPW及多重稳健估计量,并扩展到面板数据,通过模拟和真实数据验证了其有效性。
2023-10-14 econ.EM math.ST stat.ME