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
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
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
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
Are Synthetic Control Weights Balancing Score?
Duke University(杜克大学)
在这个简短的说明中,我概述了条件下,条件下的合成对照(SC)的重量模拟随机对照试验的治疗状态是独立的潜在结果。具体来说,我证明,如果存在SC权重,使得(i)处理效应被准确识别,(ii)这些权重是一致的,累积有界的,那么SC权重是平衡分数。
2022-11-03 cs.LG econ.EM 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
Using Multiple Outcomes to Improve the Synthetic Control Method
针对合成控制分析为每个结果估计单独权重的局限,本文提出跨结果估计共同权重的方法,在低秩因子模型下偏差更低且结果数量增加时平均法更优,还通过弗林特水危机案例验证了有效性。
2025-02-11 econ.EM stat.ME
An Exact and Robust Conformal Inference Method for Counterfactual and Synthetic Controls
我们引入了新的推理程序的反事实和合成控制法的政策评估。我们将因果推断问题重新定义为一个反事实预测和一个结构突变检验问题。这使我们能够利用共形预测和结构突变测试的见解,开发置换推理程序,以适应现代高维估计,在弱和易于验证的条件下是有效的,并且可以证明对误指定是鲁棒的。我们的方法与许多不同的方法一起工作,在没有政策干预的情况下预测反事实的平均结果。示例包括合成控制、差异中的差异、因子和矩阵完成模型以及(融合)时间序列面板数据模型。我们的方法在模拟中表现出出色的小样本性能,并被用于数据应用,我们重新评估室内卖淫合法化的后果。用于实现我们的共形推理方法的开源软件是可用的。
2021-05-20 econ.EM 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
mRSC: Multi-dimensional Robust Synthetic Control
在评估政策对感兴趣的指标的影响时,可能无法进行随机对照试验。在只有观测数据可用的情况下,综合防治(SC)方法提供了一种流行的数据驱动方法,通过结合“相似”单位(供体)的测量来估计“综合”防治。最近,鲁棒SC(RSC)被提出作为SC的推广,以克服缺失数据高水平的噪声的挑战,同时消除了对领域知识的依赖选择捐助者。然而,SC,RSC,和他们的变种,遭受从穷人的估计时,干预前的时间太短。作为主要贡献,我们提出了一个推广的一维RSC到多维RSC,mRSC。我们提出的机制结合了多个指标来估计合成控制,从而克服了从有限的预干预数据推断不佳的挑战。我们表明,mRSC算法与$K$指标导致一个相合估计量的合成控制的目标单元下的任何度量。我们的有限样本分析表明,预测误差衰减到零的速度比RSC算法的$K$和$\sqrt{K}$的训练和测试期间(干预前和干预后)的一个因素,分别。此外,我们提供了一个诊断测试,评估包括额外的指标的效用。此外,我们引入了一种机制来验证mRSC的性能:时间序列预测。也就是说,当时间的概念是相对的而不是绝对的时,我们提出了一种基于有限数据预测时间序列的未来演变的方法,即,我们有机会利用一个经历了所希望的未来演变的捐助者库。最后,我们进行实验,以确定mRSC对合成数据和两个真实案例研究(零售和板球)的有效性。
2019-09-23 econ.EM stat.ME
Assessing the Sensitivity of Synthetic Control Treatment Effect Estimates to Misspecification Error
我们提出了一个敏感性分析的合成控制(SC)处理效应估计询问的假设,SC方法是指定的,即选择权重,以尽量减少治疗前的预测误差产生准确的预测,反事实的治疗后的结果。我们的数据驱动的程序恢复的一组处理效应一致的假设,由SC方法所产生的误设定误差是最多的观察到的误设定误差时,使用SC估计预测的结果,一些控制单元。我们表明,在一个定义的误设误差,我们的程序提供了一个简单的,几何动机比较估计的处理效应的安慰剂残差的分布,以评估估计的可信度。当我们将我们的程序应用于几个报告SC估计的典型研究时,我们广泛地证实了源文件得出的结论。
2021-02-21 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
Degrees of Freedom and Information Criteria for the Synthetic Control Method
Rice University(莱斯大学);Northwestern University(西北大学);University of California, Berkeley(加州大学伯克利分校)
本文研究了合成控制法的度数与信息准则,用于选择惩罚变体的调节参数和加权矩阵,通过实验证明信息准则在模型选择中优于交叉验证。
2026-03-11 econ.EM stat.ME
Temporal Aggregation for the Synthetic Control Method
针对高频数据下合成控制法(SCM)处理前拟合难、易过拟合的问题,本文界定了非聚合与聚合结果下SCM的偏差范围,给出聚合收紧偏差界的条件,并提出平衡两类序列的权重求解方法。
2024-04-15 econ.EM stat.ME
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
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
The inclusive Synthetic Control Method
University of Molise(莫利塞大学);University of Southern Denmark(南丹麦大学)
提出包容性合成控制方法(iSCM),改进传统合成控制法以纳入受干预影响的捐赠单位并处理溢出效应,实证重新评估了德国统一对人均GDP的因果效应。
2026-11-03 econ.EM
Synthetic Nearest Neighbors: Extending Synthetic Controls for Matrix Completion with Missing Not at Random Data
Columbia University(哥伦比亚大学);Massachusetts Institute of Technology(麻省理工学院);University of Southern California(南加州大学)
针对非随机缺失矩阵补全,提出合成最近邻估计器,放宽正性与独立性假设,建立误差界、一致性与渐近推断,模拟验证有效。
2026-09-15 econ.EM stat.ME stat.ML
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 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
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
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
Prediction Intervals for Synthetic Control Methods
不确定性量化是综合控制方法分析和解释中的一个基本问题。我们在SC框架中开发了条件预测区间,并提供了这些区间提供有限样本概率保证的条件。我们的方法允许协变量调整和非平稳数据。该结构首先注意到,SC预测的统计不确定性由两个不同的随机性来源决定:一个来自治疗前阶段(可能错误指定)SC权重的结构,另一个来自治疗后阶段(分析处理效应时)不可观察的随机误差。因此,我们提出的预测区间的构建考虑到这两个来源的随机性。为了实现,我们提出了一种基于模拟的方法,以及基于有限样本的概率界参数,自然导致原则性的敏感性分析方法。我们说明了我们的方法使用经验应用程序和一个小的模拟研究的数值性能。实施我们的方法的\texttt{Python}、\texttt{R}和\texttt{Stata}软件包是可用的。
2021-09-07 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
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
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
Group-Heterogeneous Changes-in-Changes and Distributional Synthetic Controls
School of Economics, Zhejiang University(浙江大学经济学院);Department of Economics, the Hong Kong University of Science and Technology(香港科技大学经济系)
本文提出了一种考虑群体异质性的变化-变化和分布合成控制方法,通过寻找具有相似群体特征的对照组来改进因果推断分析。
2026-02-19 econ.EM
The Synthetic Control Method with Nonlinear Outcomes: Estimating the Impact of the 2019 Anti-Extradition Law Amendments Bill Protests on Hong Kong's Economy
本文提出适用于非线性结果的数据驱动合成控制权重选择方法,证明其渐近无偏条件,并用于估计2019年香港抗议活动造成实际人均GDP下降11.27%。
2023-06-03 econ.EM
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
A Method of Moments Approach to Asymptotically Unbiased Synthetic Controls
针对传统合成控制方法在控制组数量固定、拟合不完善时不具渐近无偏性的问题,提出用广义矩方法、以未纳入单元为工具变量构建合成控制,证明其渐近无偏且可一致估计处理效应均值,并通过模拟和实证验证性能。
2024-03-05 econ.EM
Synthetic Controls with spillover effects: A comparative study
本文提出迭代合成控制法以利用受处理影响的控制单元改进预测,并通过蒙特卡洛模拟与多种SCM变体比较,发现包容性SCM表现最佳,而迭代SCM以更简单的实现紧随其后。
2024-05-02 econ.EM
Identification and Inference for Synthetic Controls with Confounding
本文在存在未观测混杂的面板数据中,利用随机因子模型研究处理效应的识别与推断,揭示时间与个体层面混杂的权衡,并为多种合成控制估计量建立渐近推断结果。
2023-12-01 econ.EM math.ST stat.ME
Asymptotic Properties of the Distributional Synthetic Controls
School of Management, University of Science and Technology of China(中国科学技术大学管理学院);Econometric Institute, Erasmus University Rotterdam(伊拉斯姆斯大学鹿特丹计量经济研究所);Academy of Mathematics and Systems Science, Chinese Academy of Sciences(中国科学院数学与系统科学研究院)
本文研究了分布合成控制(DSC)的渐近性质,证明其在估计分位数处理效应方面具有最优性,并推导了DSC权重的收敛速度,通过模拟验证了理论结果。
2026-05-11 econ.EM
Tree-based Synthetic Control Methods: Consequences of moving the US Embassy
我们将用于评估策略的综合控制转换为反事实预测问题,并将其线性回归替换为受机器学习启发的非参数模型。所提出的方法使我们能够实现准确的反事实预测,我们提供了理论保证。我们将我们的方法应用于一项备受争议的政策:将美国大使馆迁往耶路撒冷。在以色列和巴勒斯坦,自2017年12月6日宣布搬迁以来,每周冲突的平均数量在48周内增加了约103%。通过使用共形推理和安慰剂检验,我们证明我们的模型,并发现增加是统计学上显着的。
2021-02-02 econ.EM
Synthetic Control Inference for Staggered Adoption
Northeastern University(东北大学);Harvard Business School(哈佛商学院);Fudan University(复旦大学)
本文针对交错采纳的政策(如董事会性别多样性政策)提出合成控制方法,利用政策交错采纳的变异估计动态平均处理效应,通过欧洲劳动力数据实证发现该监管提升女性专业人员全职就业。
2025-11-15 econ.EM
Synthetic Controls with Imperfect Pre-Treatment Fit
我们分析了合成控制(SC)和相关估计的性质时,预处理拟合是不完美的。在这个框架中,我们表明,这些估计一般是有偏的,如果治疗分配与未观察到的混杂因素,即使当治疗前的时期的数量趋于无穷大。尽管如此,我们表明,一个贬低版本的SC方法可以大大提高相对于差异估计的偏差和方差。我们还推导出一个规格测试demaed SC估计在这种设置与不完美的预处理适合。鉴于我们的理论结果,我们提供了实用的指导,应用研究人员如何证明在实证应用中使用这样的估计。
2021-01-12 econ.EM
Large-Sample Properties of the Synthetic Control Method under Selection on Unobservables
本文研究合成控制法在不可观测选择下面板数据中的大样本性质,证明在预处理期足够长时,该方法对一类线性模型可提供渐近正态估计,成为双重差分法的替代方案。
2023-12-25 econ.EM
Orthogonalized Synthetic Controls
Rutgers University(罗格斯大学)
针对合成控制估计中控制权重高维、受约束且可能部分不可识别导致渐近正态性失效的问题,提出通过正则化识别并正交化矩条件实现渐近正态估计,并扩展固定平滑方法以控制检验规模。
2026-06-26 econ.EM
A Relaxation Approach to Synthetic Control
The Chinese University of Hong Kong(香港中文大学)
本文提出了一种名为SCM-relaxation的新型机器学习算法,用于改进合成控制法中的反事实预测,通过引入信息论度量和松弛线性不等式约束来优化权重分配,并通过蒙特卡洛模拟和英国脱欧对实际GDP影响的实证应用验证了其有效性。
2026-11-05 econ.EM
A Synthetic Business Cycle Approach to Counterfactual Analysis with Nonstationary Macroeconomic Data
本文针对非平稳宏观经济数据,提出合成经济周期框架,通过分离趋势与周期成分消除虚假合成控制问题,提升反事实预测稳健性,并以德国统一和香港回归为例验证其优势。
2025-05-28 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
Counterfactual and Synthetic Control Method: Causal Inference with Instrumented Principal Component Analysis
本研究提出一种基于工具变量主成分分析的反事实与合成控制因果推断方法,用预测协变量工具化因子载荷,可处理高维数据、降低模型误设风险与偏差,并用于评估英国脱欧对英外国直接投资的影响。
2024-09-14 econ.EM
Debiasing and $t$-tests for synthetic control inference on average causal effects
针对合成控制法估计的平均处理效应,提出基于交叉拟合去偏和自归一化 $t$ 统计量的稳健推断方法,并应用于碳排放税效果评估。
2025-05-23 econ.EM
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
Uncertainty Quantification in Synthetic Controls with Staggered Treatment Adoption
本文提出了一种针对交错处理采用设置下合成控制预测的置信度量化方法,通过提供非渐近覆盖概率保证、支持非线性约束、引入稳健锥优化及数据驱动调参,实现了跨处理后时期的有效一致推断。
2025-02-01 econ.EM stat.AP stat.CO
Synthetic Principal Component Design: Fast Covariate Balancing with Synthetic Controls
Stanford University(斯坦福大学)
实验的最优设计通常涉及解决NP难的组合优化问题。在本文中,我们的目标是开发一个全局收敛和实际有效的优化算法。具体来说,我们考虑一个设置,其中治疗前的结果数据是可用的,并调用合成控制估计。平均处理效应通过处理单元和对照单元的加权平均结果之间的差异来估计,其中权重是从观察到的数据中学习的。{在这种情况下,我们惊奇地发现最优实验设计问题可以简化为所谓的\textit{phase synchronization}问题。}我们解决这个问题,通过一个规范化的变体的广义功率方法与谱初始化。在理论方面,我们建立了实验设计的第一个全局最优性保证时,预处理数据是从某些数据生成过程中采样。从经验上讲,我们进行了广泛的实验,以证明我们的方法对美国劳工统计局和Abadie-Diemond-Hainmueller加州吸烟数据的有效性。在均方根误差方面,我们的算法大大优于随机设计。
2022-11-28 cs.LG econ.EM math.OC
Synthetic Survival Control: Extending Synthetic Controls for "When-If" Decision
Massachusetts Institute of Technology(麻省理工学院)
针对观测数据中至事件发生时间的因果效应估计难题,提出合成生存控制SSC方法,构建带低秩结构的面板因果生存分析框架,通过临床数据集验证其有效性,为多领域反事实生存推断提供可解释工具。
2025-11-18 cs.LG econ.EM stat.ML
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
Time-Aware Synthetic Control
Columbia University(哥伦比亚大学);Massachusetts Institute of Technology(麻省理工学院)
TASC通过引入状态空间模型和卡尔曼滤波器,提升在强时间趋势和高噪声环境下的因果推断性能。
2026-01-06 cs.LG econ.EM 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
An Empirical Evaluation of the Impact of New York's Bail Reform on Crime Using Synthetic Controls
本文利用合成控制法对纽约保释改革对犯罪的影响进行实证评估,发现该改革对袭击、盗窃和毒品犯罪无显著影响,对入室盗窃和抢劫的影响结论性较弱。
2023-06-25 cs.CY econ.EM stat.AP
Robust Synthetic Control
我们提出了一个强大的推广的合成控制法的比较案例研究。像经典的方法,我们提出了一个算法来估计不可观察的反事实的治疗单位。我们的算法的一个显着特点是通过奇异值阈值对数据矩阵进行去噪,这使得我们的方法在多个方面具有鲁棒性:它自动识别供体的良好子集,克服了缺失数据的挑战,并在可能不提供协变量信息的情况下继续良好地工作。首先,我们建立的条件下,在合成控制类方法的基本假设成立,即当治疗单位和捐助者池之间的线性关系在干预前和干预后的时期普遍存在。我们提供了第一个有限样本分析的更广泛的一类模型,潜变量模型,在文献中先前考虑的因素模型。此外,我们表明,我们的去噪过程准确地估算缺失的条目,产生一致的估计的基础信号矩阵提供$p = Ω( T^{-1 + ζ})$的一些$ζ> 0$ ;在这里,$p$是观察到的数据和$T$的分数是感兴趣的时间间隔。在相同的设置下,我们证明了我们的预测估计的均方误差(MSE)尺度为$O(σ^2/p + 1/\sqrt{T})$,其中$σ^2$是噪声方差。使用数据聚合的方法,我们表明,MSE可以小到$O(T^{-1/2+γ})$的任何$γ\in (0, 1/2)$,导致一致的估计。我们还引入了贝叶斯框架,通过后验概率来量化模型的不确定性。我们的实验,使用真实世界和合成数据集,表明我们的鲁棒推广产生了改进的经典合成控制法。
2017-11-18 econ.EM stat.AP stat.ML