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
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
Estimation and Inference for Synthetic Control Methods with Spillover Effects
Northeastern University(东北大学);Joint Committee on Taxation(联合税收委员会)
本文提出了一种考虑溢出效应的合成控制方法,用于估计和推断直接治疗效应及溢出效应,并通过实证分析验证了其有效性。
2026-09-14 econ.EM
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
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
Quasi-Bayesian Local Projections: Simultaneous Inference and Extension to the Instrumental Variable Method
本文提出了一种基于拉普拉斯型估计器的近似贝叶斯方法,用于解决局部投影分析中贝叶斯方法因缺乏似然函数而面临的挑战,该方法通过广义矩方法构建准似然,实现了校准良好的推断和同时置信区间,并可自然扩展至工具变量方法。
2026-05-18 econ.EM
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
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
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
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
Double machine learning for causal inference in a multivariate sample selection model
HSE University(高等经济大学)
针对含有序选择方程的多元样本选择模型,本文提出具备双重鲁棒性的PI与DML因果效应估计量,经模拟验证其可有效规避未处理样本选择导致的估计偏差。
2026-10-22 econ.EM
Treatment effects without multicollinearity? Temporal order and the Gram-Schmidt process in causal inference
本文利用回归变量的时间顺序和 Gram-Schmidt 正交化估计无偏、稳定且标准误更低的处理效应,并将系统性歧视分解为渠道效应。
2025-01-09 econ.EM
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
Survey calibration for causal inference: a simple method to balance covariate distributions
本文提出一种基于校准估计量理论的简单方法,可平衡协变量的任意分位数与均值,无需分布假设,能有效估计多种因果效应,还可推广至其他设计与方法,并提供开源实现。
2024-03-12 econ.EM 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
Forecasting Algorithms for Causal Inference with Panel Data
本研究将N-BEATS时间序列预测深度架构适配于面板数据因果推断,提出的SyNBEATS估计器反事实估算精度优于多种传统及新近方法,且已公开实现,为面板因果推断提供了新工具。
2024-04-16 econ.EM stat.ML
Decomposition of Spillover Effects Under Misspecification: Pseudo-true Estimands and a Local-Global Extension
Harvard University(哈佛大学)
本文探讨在规格错误下的溢出效应分解,提出伪真估计量概念,并扩展局部-全局方法,分析政策效果的直接和溢出效应,以及在结构性规格错误下的渐近分解。
2026-10-27 econ.EM math.ST stat.ML
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
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
Permutation inference with a finite number of heterogeneous clusters
我介绍了一个简单的置换过程来测试传统的(非尖锐)假设的影响,一个二元治疗的存在下,一个有限数量的大型,异质集群时,处理效应确定跨集群的比较。该程序通过对适当的统计量应用水平调整排列检验来渐近控制大小。本文列出了大多数经验相关情况下所需的调整。调整后的排列检验在实践中很容易实现,并且在常规显著性水平下表现良好,至少有四个治疗组和类似数量的对照组。它特别适用于某些集群比其他集群更易变的情况。提供了实例和经验应用。
2023-02-07 econ.EM stat.ME
Assessing Sensitivity to Unconfoundedness: Estimation and Inference
本文提供了一套方法来量化的稳健性的处理效应估计使用unconfoundedness假设(也称为选择上的可观或条件独立性)。具体而言,我们估计并推断各种治疗效果参数的界限,如平均处理效应(ATE)和治疗对治疗的平均效果(ATT),在非参数松弛的无混淆假设下,由标量敏感性参数c索引。这些松弛允许对不可观测的有限选择,这取决于c的值。对于足够大的c,这些界限等于没有假设的界限。使用非标准的自举方法,我们展示了如何构建这些边界函数的置信带是一致的所有值的c。我们说明了这些方法的实证应用效果的国家支持工作示范计划。我们在配套的Stata模块中实现这些方法,以便在实践中使用。
2020-12-31 econ.EM stat.ME
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
Optimal Covariate Adjustment beyond the Average Treatment Effect: Treated-Population and Overlap-Weighted Estimands
Toyo University(东洋大学)
本文证明平均处理效应的最优调整集性质源于其权重,并针对处理人群估计量推导效率界变化恒等式,证明无图最优准则,但无效应修饰时ATE最优集仍最优,并扩展至重叠权重等。
2026-09-15 econ.EM math.ST stat.ME