Causal Inference Using Factor Models
Columbia University(哥伦比亚大学);HKUST(香港科技大学)
提出基于因子模型的因果推断框架,通过处理单位对潜在共同冲击暴露的结构变化估计处理效应,不要求平行趋势假设,适用于单个或多个处理单位,并提供形式化置信区间。
2026-06-29 econ.EM
Inference with a single treated cluster
我介绍了一个通用的方法,在研究设计中的标量参数的推理与有限数量的异构集群,只有一个单一的集群接受治疗。这种情况在差中差估计中很常见,但这里开发的测试适用于更普遍的情况。我表明,测试控制的大小,并在渐近下的权力,其中每个集群内的观测数量是大的,但集群的数量是固定的。该测试结合加权,近似高斯参数估计与重排程序,以获得其临界值。大多数经验相关的情况下所需的权重表中的文件。临界值的计算在计算上是简单的,并且不需要模拟或重新计算。重排测试对于某些聚类比其他聚类更易变的情况具有高度鲁棒性。提供了实例和经验应用。
2020-10-08 econ.EM stat.ME
Beyond Parallel Trends: An Identification-Strategy-Robust Approach to Causal Inference with Panel Data
University of Georgia(佐治亚大学);Emory University(埃默里大学);University of Alabama(阿拉巴马大学)
本文提出一种稳健于识别策略的面板数据因果推断方法,通过寻找相近比较组来提高推断的可信度。
2025-11-26 econ.EM
Conformalized Lee Inference: Distribution-Free Prediction Sets for Individual Treatment Effect under Monotone Sample Selection
Graduate School of Economics, University of Tokyo(东京大学大学院经济学研究科)
研究单侧选择随机研究中的预测问题,提出共形化李程序,利用处理后的选定观测值训练和检验预测规则,通过观测到的处理-对照选择差距调整临界值,提供可靠覆盖率。
2026-09-17 econ.EM
On the Properties of the Synthetic Control Estimator with Many Periods and Many Controls
当预处理周期数和控制单元数都很大时,我们考虑了合成控制(SC)估计的渐近性质。如果潜在结果遵循线性因子模型,我们提供条件,在该条件下,SC单元的因子载荷概率收敛于处理单元的因子载荷。当权重在越来越多的控制单元中被稀释时,这会发生,使得控制单元的因子载荷的加权平均值渐进地重建处理单元的因子载荷。在这种情况下,SC估计是渐近无偏的,即使当治疗分配与时变不可观测。即使当控制单元的数量大于预处理周期的数量时,该结果也是有效的。
2020-05-26 econ.EM
Post-Matching Two-Way Fixed Effects Estimation
Department of Economics, UC Santa Barbara(加州大学圣塔芭芭拉分校经济学系)
本文提出匹配后差异-in-差异估计方法,解决双向固定效应模型中因处理时间不同导致的偏误问题,并推导有效标准误差。
2026-02-13 econ.EM
Correlated Synthetic Controls
针对多处理单元的微观计量经济学场景,提出相关合成控制(CSC)估计量,在处理分配与不可观测变量相关时比双重差分具有更优理论性质,并在Mariel Boatlift研究中验证其获取异质性处理效应的有效性。
2025-07-11 econ.EM
Identification and Bayesian Inference for Synthetic Control Methods with Spillover Effects
The University of Tokyo(东京大学)
本文提出一种扩展合成控制法的面板数据方法,以考虑外溢效应并估计治疗和外溢效应。方法结合空间自回归模型和贝叶斯推断,应用于加州烟草税和苏丹分裂经济影响的实证研究。
2026-03-25 econ.EM
Which Policy Works, and Where? Estimation and Inference for State-Level Treatment Effects in Difference-in-Differences
Dalhousie University(达尔豪斯大学);Carleton University(卡尔顿大学);McGill University(麦吉尔大学)
该研究针对双重差分法,区分不同维度的亚组处理效应,提出UN-DID和DID-INT估计量,通过CPS模拟分析其推断特性,强调估计目标与方法需匹配政策场景。
2026-09-02 econ.EM
Synthetic Controls with Staggered Adoption
不同单位在不同时间交错采用政策,为观察因果推断创造了有希望的机会。然而,估计仍然具有挑战性,常见的回归方法可能会产生误导性的结果。一个有前途的替代方法是综合控制方法(SCM),它找到了一个加权平均的控制单元,密切平衡处理单元的预处理结果。在本文中,我们推广SCM,最初设计研究一个单一的处理单元,交错采用设置。我们首先限制了平均效应的误差,并表明它取决于每个处理单元的不平衡和处理单元平均值的不平衡。然后,我们提出了“部分汇集”SCM的权重,以尽量减少这些措施的加权组合,方法只侧重于平衡两个组件之一,可能会导致偏见。我们扩展这种方法,将单位级截距的变化和辅助协变量。我们通过广泛的模拟评估所提出的方法的性能,并将我们的结果应用于教师集体谈判是否会导致更高的学校支出的问题,发现影响最小。我们在augsynth R包中实现了所提出的方法。
2021-01-15 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
Identification and Estimation of Staggered Difference-in-Differences with Network Spillovers
Graduate School of Economics, University of Tokyo(东京大学大学院经济学研究科)
本文提出了一种处理 staggered 政策采纳的 DID 框架,考虑了单位间的影响。通过分离自身采纳效应、溢出效应和总效应,利用预设的溢出暴露总结和基线与目标日期的平行趋势比较进行识别。
2026-09-02 econ.EM
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 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
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
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
Inference in Difference-in-Differences: How Much Should We Trust in Independent Clusters?
我们分析了当存在空间相关性时,双重差分法(DID)中的推理所面临的挑战。我们提出了新的理论见解和经验证据的设置中,忽略空间相关性应导致更多或更少的失真DID应用程序。我们发现,细节,如在估计中使用的时间框架,治疗组和对照组的选择,以及估计量的选择,是由于空间相关性失真的关键决定因素。我们还分析了一系列替代方案的可行性和权衡,以考虑空间相关性。鉴于此,我们为应用研究人员提供了相关建议,以减轻和评估由于空间相关性而导致的推理失真的可能性。
2022-09-09 econ.EM
Quantile and Distribution Treatment Effects on the Treated with Possibly Non-Continuous Outcomes
International Food Policy Research Institute(国际粮食政策研究所);Culverhouse College of Business, University of Alabama(阿拉巴马大学卡尔弗豪斯商学院)
本文提出了一种分布差分-in-差分框架,用于在非连续分布结果的情况下识别和进行分布和分位数处理效应的统一推断,通过经济犯罪模型展示了如何处理计数类型的未处理潜在结果。
2026-05-20 econ.EM
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
Improved Inference for CSDID Using the Cluster Jackknife
Carleton University(卡尔顿大学);Aarhus Center for Econometrics, Aarhus University(奥胡斯大学计量经济学中心);Queen’s University(女王大学)
本文提出使用聚类jackknife改进CSDID推断,以解决小集群和处理集群数量少时的过度拒绝问题,并提供软件包实现。
2026-02-12 econ.EM stat.ME stat.ML
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
Synthetic Control Methods and Big Data
许多宏观经济政策问题可以在案例研究框架中进行评估,在案例研究框架中,将处理过的单位的时间序列与从大量控制单位中构建的反事实进行比较。我为这种设置提供了一个通用框架,通过最小化欠拟合(偏差)和过拟合(方差)之间的权衡来预测反事实。该框架最近提出了结构化和简化形式的机器学习方法作为特例。此外,具有匹配的差异中的差异和原始合成控制是框架的限制性情况,一般不最小化偏差方差目标。使用模拟研究,我发现,机器学习方法优于传统方法时,潜在的控制数量很大,或处理的单位是从控制有很大的不同。我带着一套方法,重新审视了一项关于经济自由化对经济增长影响的研究。我发现了几个国家的影响,而这些国家在最初的研究中没有发现影响。此外,我检查如何系统的重要性银行应对不断增加的资本金要求,通过使用大量的银行池来估计反事实。最后,我使用一个新的扫描仪数据集来评估产品价格变化对产品销售的影响。
2018-02-28 econ.EM
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
A Design-Based Approach to Testing and Inference in (Quasi-)Experiments with Spillovers
Harvard University(哈佛大学)
研究存在溢出效应的(准)实验中的检验与推断问题,利用数据为暴露度量的函数形式及参数选择提供信息,通过建立相关条件和性质,应用于扶贫项目得出不同半径估计及政策效应估计。
2026-08-20 econ.EM math.ST 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
Inference methods for unit-specific coefficients in panel data models with latent group structure
Graduate School of Economics, University of Tokyo(东京大学经济学研究科);Faculty of Economics, the University of Tokyo(东京大学经济学部)
针对面板数据模型中具有潜在群组结构的单位特定系数,提出两种结合群组成员置信集的推断方法,实现效率提升并保证统计有效性。
2026-06-23 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
Inference for Synthetic Controls via Refined Placebo Tests
针对合成控制方法中小样本推断的问题,提出留二法改进安慰剂检验,在均匀/非均匀分配下保持有限样本第一类错误保证,提升小样本分辨率与功效,还支持敏感性分析。
2025-04-19 econ.EM math.ST stat.ME