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
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
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
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
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
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
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
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
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
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
Synthetic Controls in Action
在这篇文章中,我们提出了一套简单的原则,以指导综合控制研究的经验实践。所提出的原则遵循合成控制估计的正式属性,并涉及到的性质,影响和预防过拟合偏差在一个合成控制框架内,结果的可解释性,以及验证练习的可用性。我们讨论并直观地展示了各种数据配置下所提出的原则的相关性。
2022-03-11 econ.EM stat.ME
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
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
Compositional Synthetic Controls
California Polytechnic State University(加州州立理工大学)
研究针对成分结果开发合成控制估计器,源于含交互固定效应的随机效用模型,能恢复弗雷歇重心,还开发了安慰剂推断程序,应用于宾夕法尼亚州发电组合,揭示了天然气和可再生能源的成分转变。
2026-09-18 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 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
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
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
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
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 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
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
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 Control: An Exact Geometric Formulation
MIT(麻省理工学院)
本文为合成控制法推导精确几何解,将非凸双层优化替换为快速枚举法,通过加州烟草控制计划等应用验证了其优势。
2026-10-20 econ.EM stat.ME
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
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
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
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
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
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
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
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
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
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
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
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
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
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
Graph-Regularized Synthetic Control for Stable Counterfactual Estimation under Donor Redundancy
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
提出Graph-SC方法,通过图拉普拉斯惩罚提升合成控制法在捐赠者冗余场景下的权重稳定性与可解释性,在模拟、基准及真实数据集上验证了其优势。
2026-10-20 cs.AI cs.LG 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
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
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
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