Dynamical systems theory for causal inference with application to synthetic control methods
本文将非线性时间序列分析的结果应用于动态环境下的因果推断。我们的动机是政策分析与面板数据,特别是通过使用“综合控制”的方法。这些方法将治疗单元的干预前结果回归到对照单元池的结果,然后使用拟合的回归模型来估计干预后的因果效应。在这种情况下,我们建议筛选出控制单元,有一个弱的动态关系的治疗单位。在模拟中,我们表明,这种方法可以减轻偏见的“樱桃采摘”的控制单元,这通常是一个重要的问题。我们说明了现实世界的应用程序,包括烟草立法的例子\citet{Abadie2010},和英国脱欧。
2020-02-29 stat.ME
Synthetic Controls for Experimental Design
针对聚合单元实验设计,提出非随机化合成控制设计以选择处理与对照单元,通过加权平均估计潜在结果,显著减少估计偏差。
2025-04-23 econ.EM stat.ME
Efficiently Learning Synthetic Control Models for High-dimensional Disaggregated Data
North Carolina State University(北卡罗来纳州立大学);Amazon.com Services, Inc.(亚马逊服务公司);Massachusetts Institute of Technology(麻省理工学院)
针对高维分解数据中合成控制方法的计算效率问题,提出整合多元平方根Lasso的新方法,严格推导误差界,并在模拟和COVID-19居家令对县级失业率影响评估中验证其高效且准确。
2025-10-26 econ.TH stat.ME stat.ML
Direct and spillover effects of a new tramway line on the commercial vitality of peripheral streets. A synthetic-control approach
本文基于合成控制方法,在潜在结果框架下研究佛罗伦萨轻轨线路对所在街道零售密度的直接效应及对周边街道的溢出效应,并正式定义了部分干扰假设下的相关因果效应。
2023-11-27 econ.EM stat.AP stat.ME
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
Synthetic Design: An Optimization Approach to Experimental Design with Synthetic Controls
我们调查的最佳设计的实验研究,有治疗前的结果数据。平均处理效应估计为处理单元和对照单元的加权平均结果之间的差异。一些常用的方法适合这个公式,包括均值差估计和各种综合控制技术。我们提出了几种方法来选择一组治疗单位结合的权重。观察NP-硬度的问题,我们引入了一个混合整数规划制定,选择治疗和控制集和单位权重。我们证明,这些建议的方法导致定性不同的实验单位被选择治疗。我们使用的模拟的基础上,从美国劳工统计局的公开数据,显示改善方面的均方误差和统计功效相比,简单和常用的替代品,如随机试验。
2021-12-01 stat.ME stat.ML
Exchangeable Gaussian Processes for Staggered-Adoption Policy Evaluation
Athens University of Economics and Business(雅典经济与商业大学);The London School of Economics and Political Science(伦敦政治经济学院)
本文提出利用可交换高斯过程进行面板数据中的阶梯式采纳政策评估,通过建模单位间的可交换性与时间非线性趋势,推导治疗效应及不确定性区间。
2026-02-24 stat.ME stat.ML
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
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
Inference on Quantile Treatment Effects with Small Treatment Groups
Amazon Inc.(亚马逊公司);UC Berkeley, Dept. of Economics(加州大学伯克利分校经济学系)
本研究针对多值处理模型中自然出现的小处理组,开发了允许处理组规模保持有界的条件分位数处理效应推断方法,通过结合条件分位数函数估计与分位数指标的伯努利表示,经蒙特卡洛实验验证了其有限样本性能。
2026-10-23 econ.EM econ.GN math.ST
Multivariate Bayesian dynamic modeling for causal prediction
本研究提出用于因果推断的多元贝叶斯动态建模方法,通过共轭模型实现高效序贯学习与不确定性量化,经超市促销实验验证,凸显跨处理组因果推断中恰当不确定性量化的重要性。
2024-06-19 stat.ME
Enhanced inference for distributions and quantiles of individual treatment effects in various experiments
University of Pennsylvania(宾夕法尼亚大学);University of Chicago(芝加哥大学)
本文提出两种改进方法,用于更准确推断个体治疗效应的分布和分位数,通过结合处理和对照单位的推断并控制大效应单位数量,提升了推断效力。
2026-03-28 stat.ME
Regression to the Mean's Impact on the Synthetic Control Method: Bias and Sensitivity Analysis
为了从观察数据中提出明智的政策建议,我们必须能够从随机噪声和混杂效应中辨别出真正的处理效应。基于治疗前结局将治疗单位与对照单位相匹配的差异技术(如综合对照方法)已作为解释混淆的原则性方法提出。然而,我们发现,使用合成对照或其他匹配程序可以引入回归到平均值(RTM)偏差估计的平均处理效应的治疗。通过模拟,我们发现RTM偏差会导致膨胀的第一类错误率,以及在典型的政策评估设置的功率下降。此外,我们提供了一种新的校正RTM偏差,可以减少偏差,并获得适当的第一类错误率。该校正可用于执行敏感性分析,以确定RTM如何影响结果。我们使用我们提出的校正和敏感性分析重新分析数据的影响,加州的99号提案,一个大规模的烟草控制计划,全州吸烟率。
2019-09-10 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
disco: Distributional Synthetic Controls
Emory University(埃默里大学);University of Virginia(弗吉尼亚大学)
研究利用观测数据评估政策变化因果效应时,介绍迪斯科命令实现分布合成控制方法,能为处理单元构建合成分布,提供多种汇总方案、推断程序及可视化功能,还通过复制实证说明其使用。
2026-07-14 econ.EM stat.ME stat.ML
Distributional Treatment Effect Transportability across Heterogeneous Sites
The Pennsylvania State University(宾夕法尼亚州立大学);University of Minnesota(明尼苏达大学);University of California, Santa Barbara(加州大学圣塔芭芭拉分校)
针对跨站点单臂目标设计的异质性场景,该研究提出最优迁移准则学习变换以恢复目标站点完整处理组分布,经模拟与PDX数据验证框架有效性。
2026-09-04 math.ST stat.ME stat.ML
Risk-Set Transported Synthetic Control with Difference-in-Differences Adjustment under Staggered Treatment Adoption
University of Calgary(卡尔加里大学)
针对交错处理下供体集收缩问题,提出RT-SC-DiD方法,通过向转移参考收缩权重并加双重差分校正,降低反事实估计误差,实验验证其有效性。
2026-09-18 cs.AI econ.EM q-fin.ST
Synthetic Control As Online Linear Regression
Harvard University(哈佛大学);Harvard Business School(哈佛商学院)
本文指出了合成控制和在线学习之间的简单联系。具体来说,我们认为合成控制是跟随领导者(FTL)的一个实例。在线凸优化中的标准结果则意味着,即使结果是由对手选择的,被处理单元的反事实结果的合成控制预测几乎与控制单元结果的预言加权平均值一样好。对差异数据的合成控制的性能几乎与Oracle加权差异中的差异一样好,这可能使其在实践中成为一个有吸引力的选择。我们认为,这一观察进一步支持使用合成控制估计比较案例研究。
2022-11-13 cs.LG econ.EM stat.ME
Synthetic Control with Weight Uncertainty: Robust Identification and Statistical Inference
Columbia University Mailman School of Public Health(哥伦比亚大学米兰恩公共卫生学院);Center for Data Science, Zhejiang University(浙江大学数据科学中心)
DRoSC方法通过解决控制单位高度相关和关系变化问题,提供了一种更鲁棒的因果估计方法。
2026-08-18 econ.EM stat.ME
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
Proximal Causal Inference for Synthetic Control with Surrogates
针对合成控制在干预前数据短或预测期长时的反事实预测难题,提出利用干预后替代变量的近端因果推断与GMM估计框架,并通过模拟和1907年恐慌实证验证其优势。
2023-08-18 stat.ME
A Negative Correlation Strategy for Bracketing in Difference-in-Differences
差异中差异(DID)方法被广泛应用于观察性研究中政策干预的因果效应研究。在平行趋势假设下,DID采用治疗和对照单位的前后比较,以消除因时不变的未测量混杂因素引起的偏倚。然而,如果在不进行治疗的情况下,治疗组和对照组的结局变化不同,即如果违反平行趋势假设,则DID的估计值将存在偏倚。我们提出了一个一般的识别策略,利用两组控制单元的结果相对于治疗单位表现出负相关,并实现部分识别的平均处理效应的治疗。所确定的集合是一个联合边界的形式,涉及到最小和最大的运营商,这使得规范的引导程序通常不一致和天真的方法过于保守。利用Bootstrap分布的方向不一致性,提出了一种新的Bootstrap方法,当被识别集为并界形式时,该方法可以构造被识别集和感兴趣参数的一致有效置信区间,并建立了该方法的理论性质.我们开发了一个简单的证伪检验和敏感性分析。我们采用括号的建议策略,研究最低工资法是否影响就业水平。
2022-06-14 econ.EM stat.AP stat.ME
Dirichlet Process Mixture Models for Modeling and Generating Synthetic Versions of Nested Categorical Data
本文提出了一个估计多变量分类数据的联合分布的贝叶斯模型。这种数据经常出现在社会科学背景下,例如,生活在家庭中的人。该模型假设(i)每个组是组级潜在类的成员,以及(ii)每个单元是嵌套在其组级潜在类内的单元级潜在类的成员。该结构允许模型捕获同一组中的单元之间的依赖性。它还有助于在组和单元级别同时对变量进行建模。我们开发了一个版本的模型,将零概率分配给具有物理上不可能的变量组合的组和单元。我们应用该模型来估计在美国社区调查的一个子集中的多变量关系。使用估计的模型,我们生成的合成家庭数据,可以传播为编辑的公共使用文件,具有高分析有效性和低披露风险。本文的补充材料可在线获取。
2016-10-28 stat.ME
An Improved and Extended Bayesian Synthetic Control
提出了一种改进和扩展的贝叶斯综合控制模型,扩展了Tuomaala 2019年的潜在因素模型。我们所做的更改包括:1)在模型拟合之前对数据进行标准化-这可以提高不同数据集的效率和泛化能力; 2)添加随时间变化的协变量; 3)添加具有多个治疗单位的能力; 4)在贝叶斯模型中拟合潜在因子;以及5)在自动调整潜在因子数量之前引入稀疏性。我们证明了估计值与Abadie,Diamond和Hainmueller 2010和Abadie,Diamond和Hainmueller 2015中的两个传统合成控制研究的相似性,并扩展到多个目标系列,其中一个新的例子是根据数字隐私法导致的数据收集变化估计数字网站访问量。
2021-03-30 stat.AP stat.ME
Predictor Selection for Synthetic Controls
综合控制方法通常依赖于匹配的预处理特性(称为预测)的处理单元。预测量的选择和如何加权对综合控制估计量的性能和可解释性起着关键作用。本文提出了一种稀疏的合成控制过程,惩罚的数量的预测用于生成反事实选择最重要的预测。我们推导出,在一个线性因子模型的框架下,一个新的模型选择的一致性结果,并表明,惩罚过程具有更快的均方误差收敛速度。通过仿真研究,我们然后表明,稀疏综合控制实现了更低的偏差,并具有更好的后处理性能比unpenalized综合控制。最后,我们应用该方法重新研究了在加利福尼亚州的99号提案的通过,在一个增强的设置与大量的预测。
2022-12-29 econ.EM stat.ME stat.ML
Bias-Aware Confidence Intervals for Synthetic Control via Placebo-in-Time Bootstrap
Databricks
针对合成控制法在弱信号下系统偏差导致置信区间偏移的问题,提出时间安慰剂自举法直接估计偏差分布,实现轨迹无关的覆盖。
2026-06-24 stat.ME
scpi: Uncertainty Quantification for Synthetic Control Methods
综合控制方法提供了一种量化干预效果的方法,使用未处理单元的加权平均值来近似处理单元在没有干预的情况下会经历的反事实结果。该方法对于观察性研究中的项目评价和因果推断是有用的。我们介绍了使用合成控件进行预测和推理的软件包scpi,该软件包在Python,R和Stata中实现。对于处理效应的点估计或预测,该软件包提供了一系列利用最新优化方法的方法(可能会受到惩罚)。对于不确定性量化,该软件包提供了Cattaneo,Feng和Titiunik(2021)以及Cattaneo,Feng,Palomba和Titiunik(2022)介绍的预测区间方法。文中包括数值例子和与其他综合控制软件的比较。
2022-10-11 econ.EM stat.AP stat.CO
Bayesian shrinkage priors for penalized synthetic control estimators in the presence of spillovers
Department of Biostatistics, Brown University(布朗大学生物统计系)
本文提出一种基于效用收缩先验的贝叶斯合成控制框架,通过结合协变量相似性和空间距离的效用函数,在存在溢出效应时平衡偏差与方差,从而更准确地估计政策干预的因果效应。
2025-11-03 stat.ME
Retrospective causal inference via matrix completion, with an evaluation of the effect of European integration on cross-border employment
我们提出了一种回顾性反事实插补的方法,在面板数据设置后处理和总是处理的单位,但没有从未处理过的单位。我们使用所观察到的结果来估算使用矩阵完成估计的后处理的反事实结果。我们提出了一种新的倾向得分和经过时间加权估计的目标函数,以纠正观察到的协变量和未观察到的固定效应分布的差异,以及组间治疗后经过的时间。我们的方法是通过研究欧洲一体化的两个里程碑-人员自由流动和申根协定-对派遣边境地区跨境工人的份额的影响。我们将所提出的方法应用于欧洲劳动力调查(ELFS)的数据,并提供证据表明,开放边境几乎增加了一倍,在东欧地区的边界以外的工作的概率。
2021-06-01 econ.EM econ.GN q-fin.EC
Synthetic Blips: Generalizing Synthetic Controls for Dynamic Treatment Effects
Columbia University(哥伦比亚大学);University of Bristol(布里斯托大学);Stanford University(斯坦福大学)
本文提出合成脉冲方法,将合成控制推广至动态处理效应,通过反向归纳递归表达脉冲效应,避免组合供体需求,并在韩国企业数据上估计最优处理分配。
2026-09-14 cs.LG econ.EM stat.ME
On the Assumptions of Synthetic Control Methods
综合控制(SC)方法已被广泛应用于估计大规模干预的因果效应,例如,政策改变对全州的影响综合控制的思想是使用其他一些单位的观察结果的加权组合来近似一个单位的反事实结果。本文的动机问题是:供应链策略如何导致有效的因果推断?我们通过用更细粒度的模型重新制定SC所针对的因果推断问题来解决这个问题,其中我们将分析的单位从“大单位”(例如,状态)到“小单元”(例如,国家的人)。在这种重新制定,我们推导出充分条件的因果效应的非参数因果识别。我们强调两个意义的重新表述:(1)它澄清了“线性”从何而来,以及它如何自然地落在更细粒度和灵活的模型,(2)它提出了新的方法,使用可用的数据与SC方法有效的因果推断,特别是,新的方法选择的观察,估计反事实。
2021-12-14 econ.EM stat.ME
An alternative to synthetic control for models with many covariates under sparsity
合成控制法是一种计量经济学工具,用于评价仅处理一个单元时的因果效应。虽然最初的目的是评估大规模的宏观经济变化的影响,很少有可用的控制单元,它已越来越多地被用来代替更知名的微观计量经济学工具,在广泛的应用,但其属性在这方面是未知的。本文介绍了一种替代的合成控制法,这是在通常的渐近框架和高维的情况下开发。我们提出了一个平均处理效应的估计,它是双稳健的,一致的和渐近正态的。它也对第一步选择错误免疫。我们说明这些属性使用蒙特卡罗模拟和应用程序的标准和潜在的高维设置,并提供了比较与合成控制法。
2021-06-20 econ.EM stat.ME
Synthetic Control under Out-of-Span Common Shocks: Diagnosis, Exposure Balance and Correction
School of Economics and Business, University of Ljubljana(卢布尔雅那大学经济与商业学院)
针对合成控制中共同冲击超出跨度的问题,提出基于杠杆分解的诊断、暴露平衡及暴露增强修正方法,并通过伊朗制裁案例验证其有效性。
2026-10-06 econ.EM stat.ME
Synthetic control method with convex hull restrictions: A Bayesian maximum a posteriori approach
综合控制方法在具有观测数据的因果研究中越来越受欢迎,特别是在估计对少数大型单位实施的干预措施的影响时。实现合成控制方法面临两个主要挑战:a)估计每个控制单元的权重以创建合成控制,以及b)提供统计推断。为了克服这些挑战,我们提出了一个贝叶斯框架,实现了合成控制方法与可移动的凸包,并提供了一个有用的贝叶斯推断,这是从惩罚最小二乘法和贝叶斯最大后验概率(MAP)方法之间的对偶。仿真结果表明,该方法导致较小的偏差相比,替代品。我们将贝叶斯方法应用于Abadie和Gardeazabal(2003)的真实数据示例,发现在治疗后阶段的子集中,处理效应具有统计学显著性。
2020-05-28 stat.ME
Finding network effect of randomized treatment under weak assumptions for any outcome and any effect heterogeneity
针对网络处理效应估计中常用线性模型假设过强的问题,提出非参数因果简化形式CRF,适用于任意结果与效应异质性,可评估线性模型的隐含假设与偏差,实现几乎无模型的网络效应估计推断。
2025-06-13 stat.ME
Consistency of an Intercept-Shifted Synthetic-Control Estimator under Weighted Parallel Trends
本文提出截距平移合成控制估计量,在加权平行趋势和温和正则条件下证明其一致性,允许重尾冲击,并扩展了有效数据生成过程池。
2025-08-07 math.ST stat.ME 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
Inference under Staggered Adoption: Case Study of the Affordable Care Act
本文开发了基于矩阵估计器的推断程序,用于估计面板数据交错采纳下的处理效应,并分析《平价医疗法案》中 Medicaid 扩展的效果。
2025-08-13 stat.ME
The Augmented Synthetic Control Method
综合控制方法(SCM)是一种流行的方法,用于估计面板数据设置中处理对单个单元的影响。“综合控制”是控制单元的加权平均值,其尽可能接近地平衡被处理单元的预处理结果。原始提案的一个关键特征是仅在与治疗前结果的拟合非常好时才使用SCM。我们建议增强SCM作为SCM的扩展设置,这种预处理适合是不可行的。类似于不精确匹配的偏倚校正,增强SCM使用结果模型来估计由于不完美的预处理拟合而导致的偏倚,然后对原始SCM估计进行去偏倚。我们的主要建议,它使用岭回归作为结果模型,直接控制预处理拟合,同时最大限度地减少从凸包外推。这个估计器也可以表示为一个修改的合成控制问题的解决方案,允许负权重的一些捐助单位。我们绑定的估计误差,这种方法在不同的数据生成过程中,包括一个线性因子模型,并显示如何正则化有助于避免过度拟合噪声。我们展示了增强SCM的收益与广泛的模拟研究,并应用此框架来估计2012年堪萨斯州减税对经济增长的影响。我们在新的augsynth R包中实现了所提出的方法。
2020-07-23 econ.EM stat.ME
Double and Single Descent in Causal Inference with an Application to High-Dimensional Synthetic Control
研究因果推断中高维模型的双重下降现象,发现过参数化线性回归与合成控制可提升插补和估计性能,并统一解释为模型平均效应。
2023-10-12 econ.EM stat.ME stat.ML
Incentive-Aware Synthetic Control: Accurate Counterfactual Estimation via Incentivized Exploration
J.P. Morgan Chase AI Research(J.P. Morgan Chase人工智能研究);University of California, Berkeley(加州大学伯克利分校);Columbia University(哥伦比亚大学);Stanford University(斯坦福大学);Carnegie Mellon University(卡内基梅隆大学)
本文提出了一种激励合成控制方法,通过激励探索实现准确的反事实估计,无需先验重叠假设,并扩展至合成干预场景。
2026-02-24 cs.GT cs.LG econ.EM
Demystifying Statistical Matching Algorithms for Big Data
本文详细解析统计匹配算法(尤其是无替换匹配)在大规模数据下的效率,并提倡开发利用“稀疏性”限制可用匹配的方法,以确保匹配技术的可扩展性。
2023-09-11 stat.ME
On the Misspecification of Linear Assumptions in Synthetic Control
综合控制(SC)方法是一种流行的方法,用于从观察性面板数据估计处理效应。它依赖于一个关键的假设,即我们可以将处理过的单元写为未处理单元的线性组合。然而,这种线性假设在实践中不太可能成立,当违反时,所得的SC估计值是不正确的。在本文中,我们研究了两个问题:(1)多大的错定误差?(2)我们如何限制它?首先,我们提供了理论界来量化误设误差。界限令人欣慰:小的错误设定会导致小的错误。有了这些界限在手,我们然后开发新的SC估计,专门设计,以尽量减少误设误差。估计是基于额外的数据,每个单位,这是用来产生SC的权重。(For例如,如果单位是国家,则附加数据可以是关于每个国家的人口统计信息。我们研究我们的估计合成数据,我们发现他们产生更准确的因果估计比标准的合成控制。然后,我们重新分析了原始SC文件中的加利福尼亚州烟草计划数据,现在包括来自美国人口普查的有关每个州人口统计的额外数据。我们的估计表明,在治疗前的观察期内的误设误差的范围内,而治疗后的观察位于这些界限之外。这证明我们的SC方法发现了真实的效果。
2023-02-24 econ.EM stat.ME
Synthetic Control Misconceptions: Recommendations for Practice
New York University(纽约大学)
本文指出合成控制方法中关于鲁棒性、协变量无关性和预处理预测误差指导模型选择的常见误解,并通过模拟证明这些观点缺乏实证支持,提出更谨慎的实施和解释建议。
2026-03-19 econ.EM stat.ME
Causal Message Passing for Experiments with Unknown and General Network Interference
本文提出因果消息传递框架,基于高维近似消息传递建模多期实验中未知且一般的网络干扰传播动态,并给出估计总处理效应的实用算法,在五种干扰结构下验证了有效性。
2024-10-05 stat.ME stat.ML
Distributional synthetic controls
本文扩展了广泛使用的综合控制估计评估的因果影响的政策变化的分位数函数。所提出的方法提供了一个几何上忠实的估计整个反事实分位数函数的治疗单位。它的吸引力源于通过受约束的分位数对分位数回归的有效实现。这构成了独立利益的新概念。该方法提供了一个独特的反事实分位数函数在任何情况下:连续,离散或混合分布。它在重复的横截面和面板数据中运行,仅需一个预处理期。文章还提供了抽象的识别结果,表明任何合成控制方法,经典或我们的推广,提供了正确的反事实的因果模型,保持结果分布之间的距离。使用整个分位数函数而不是聚合值可以测试反事实分布和观察分布的相等性和随机优势。它可以提供标准结果的因果推断,如平均或分位数处理效应,但也可以提供更一般的概念,如反事实洛伦兹曲线或四分位数间距。
2021-12-30 econ.EM stat.ME
From Control to Treatment: Causal Forecasting Beyond the Observed Panel
USC Marshall(南加州大学马歇尔商学院)
针对面板数据中未经历干预的目标单元的未来结果预测问题,提出双向合成预测(TWSF)方法,结合合成控制与时间序列外推,给出有限样本误差界和渐近正态性,并通过NFL体育场开放案例验证。
2026-09-02 econ.EM stat.ME
Rate-Optimal Cluster-Randomized Designs for Spatial Interference
我们考虑一个潜在的结果模型,其中任何两个单元之间可能存在干扰,但干扰的程度随着空间距离的增加而减小。因果被估量是全局平均处理效应,比较所有或无单位接受治疗的反事实情况下的结局。我们研究了一类设计,其中空间被划分为随机处理和控制的集群。对于每种设计,我们使用Horvitz-Thompson估计器估计处理效应,该估计器比较所有或没有处理邻居的单元的平均结果,其中邻居半径与设计规定的簇大小相同。我们推导出的估计的收敛速度作为一个函数的设计和干扰程度,并使用此来获得估计设计对,实现接近最佳的收敛速度下相对最小的假设干扰。我们证明了估计是渐近正态的,并提供了一个方差估计。对于实际实施的设计,我们建议分区空间使用聚类算法。
2022-09-14 econ.EM stat.ME
Network Synthetic Interventions: A Causal Framework for Panel Data Under Network Interference
Columbia University(哥伦比亚大学);Massachusetts Institute of Technology(麻省理工学院);Cornell University(康奈尔大学)
本文提出网络合成干预(NSI)方法,将合成对照与干预方法推广至网络干扰场景,通过新颖潜在因子模型估计单元潜在结果,并证明估计器一致性与渐近正态性,提供有效性检验与图基实验设计,模拟验证理论。
2023-10-12 cs.LG econ.EM stat.ME
Asymptotic Properties of the Synthetic Control Method
本文对合成控制法(SCM)的渐近性质提供了新的见解。我们发现,合成控制(SC)的重量收敛到一个限制的重量,最大限度地减少治疗效果估计的均方预测风险时,预处理期的数量趋于无穷大,我们还量化的收敛速度。观察SCM和模型平均值之间的联系,我们进一步建立了不完美的预处理拟合下的SC估计的渐近最优性,在这个意义上说,它实现了所有可能的处理效应估计的基础上的平均控制单元,如匹配,逆概率加权和差异的差异之间的最低可能的平方预测误差。无论控制单元的数目是固定的还是发散的,渐近最优性都成立。因此,我们的研究结果提供了理由,SCM在广泛的应用。通过仿真验证了理论结果。
2022-11-22 econ.EM stat.ME
Centroid-Referenced Mahalanobis Matching (CRM): A Scalable, Representation-Based Framework for Causal Inference in Large Observational Studies
Target Corporation(塔吉特公司)
针对大规模观察性研究因果推断的匹配方法存在成本高、重叠有限时改变目标总体的问题,本文提出CRM框架,其计算成本低、保留处理单元比例高、平衡表现优且速度快,贡献在于可扩展性与显式支撑诊断。
2026-08-20 stat.ME
The Harmonic Synthetic Control Method
Haas School of Business, University of California, Berkeley(加州大学伯克利分校哈斯商学院);Stanford University(斯坦福大学)
本文提出谐波合成控制法(HSC),通过软分配机制替代二元选择,联合估计供体权重和被处理单位的平滑残差成分,并利用时间序列预测器外推残差成分。HSC通过滚动原点交叉验证选择调节参数,平衡供体匹配与预测。通过频谱解释显示HSC在供体匹配中降低低频残差成分,并将其分配给预测分支。蒙特卡洛实验表明HSC能适应不同 regime,而在随机趋势主要为共同或异质时表现良好。
2026-05-19 econ.EM stat.ME
Choosing an analytic approach: Key study design considerations in state policy evaluation
Rutgers Institute for Health, Health Care Policy and Aging Research(罗格斯大学健康、医疗保健政策与老龄化研究所);Department of Psychiatry, Rutgers Robert Wood Johnson Medical School(罗格斯鲁布-怀特医学精神病学系);RAND Corporation(兰德公司);Department of Biostatistics, Johns Hopkins Bloomberg School of Public Health(约翰霍普金斯大学彭博公共卫生学院生物统计学系)
本文提出面向州政策评估的分析方法选择框架,依据数据结构、处理单元与队列特征比较DID、合成控制等方法,并以纳洛酮政策评估为例。
2025-10-20 stat.ME
Bayesian and Frequentist Inference for Synthetic Controls
本文刻画线性因子模型中风险最小化权重成为合成控制的条件,提出可有效推断的贝叶斯合成控制方法,并证明其与 MLE 的渐近等价及稀疏模拟收敛,且用于两项实证研究。
2024-07-07 econ.EM stat.ME