Minimax regret treatment rules with finite samples when a quantile is the object of interest
Pennsylvania State University（宾夕法尼亚州立大学）；Keystone（基斯通）
本文研究了在有限样本下，针对结果分布特定分位数的最小化遗憾治疗规则，发现当分位数超过1/2时，永远不治疗最优；当分位数小于1/2时，总是治疗最优。
2026-01-06 econ.EM
Distributional Difference-in-Differences Models with Multiple Time Periods
本文针对交错处理的非实验场景，推广现有QTT估计量以恢复处理组未处理潜在结果的整体分布，还提出无需秩不变假设的分布分位数汇总方法，模拟验证其性能随样本量增大显著提升。
2025-05-21 econ.EM
Heterogeneous Policy Effects in Comparative Case Studies with Treated-Unit Microdata
Karlstad Business School（卡尔斯特德商学院）；Center for Societal Risk Research, Karlstad University（卡尔斯特德大学社会风险研究中心）
本文提出一个识别框架，在比较单元缺乏个体数据时，结合处理管辖区内的双重差分对比与总体面板数据识别的总体平均效应，以识别异质性政策效应。
2026-10-15 econ.EM
Synthetic Difference In Differences Estimation
在本文中，我们描述了Arkhangelsky等人（2021）的合成双重差分法（SDID）估计器在Stata中的计算实现。合成双重差分法可用于需要对某些特定策略或事件的处理效应，并且可随时间对处理和未处理单元进行重复观察的广泛情况。我们列出了SDID的理论基础，无论是当有一个单一的治疗采用日期，当采用交错随着时间的推移，并讨论在这些情况下的估计和推断。我们介绍了在Stata中实现这些方法的sdid命令，并提供了一些使用示例，讨论了估计，推理和结果的可视化。
2023-02-13 econ.EM
A simple distributional difference-in-differences estimator for univariate and bivariate outcomes
Boston University（波士顿大学）；University of Groningen（格罗宁根大学）；Georgetown University（乔治城大学）
本文提出了一种简单的分布回归估计器，用于处理差异-差异设计中的处理效应，特别是在处理效应在结果变量分布上存在差异时。该估计器易于纳入协变量，并可扩展到处理可能影响多个结果联合分布的情况。核心假设是未处理结果分布中组别和时间的交互效应不存在，这导致了对分布变换的平行趋势假设。本文还通过Athey和Imbens（2006）的改变-改变方法探讨了该方法与假设的关系，并重新审视了Card和Krueger（1994）关于最低工资对就业影响的研究，以展示该方法的实用性。
2026-05-19 econ.EM stat.ME
Covariate-Balanced Weighted Stacked Difference-in-Differences
HSE University（高等经济大学）
本文提出CBWSDID方法，通过改进加权堆叠DID以应对未处理趋势可能有条件而非无条件平行的情况。方法分离了子实验内部设计调整与跨子实验聚合，通过匹配或加权提高各子实验内处理组与对照组的可比性，并利用Wing等人的校正堆叠权重恢复目标平均处理效应。
2026-04-02 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
Finitely Heterogeneous Treatment Effect in Event-study
该研究放松双重差分的平行趋势假设，提出类型特定平行趋势假设，用极值分类器估计类型分配，构建类型特定双重差分估计量，以分析处理效应和基线结果的异质性。
2024-10-09 econ.EM
Doubly robust local projections difference-in-differences
Universidade Federal de Pelotas（佩洛塔斯联邦大学）；Universidade Federal de Santa Catarina（圣卡塔琳娜联邦大学）
本文提出了一种双重稳健的局部投影差分-in-差分方法，用于 staggered 吸收处理。该方法在 outcome 模型或 treatment-probability 模型正确指定时保持一致性，并提供后处理总结的影响函数推断和动态路径的乘数 bootstrap 带。
2026-04-29 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
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
First as Tragedy? Second as What? Estimating Dynamic Effects of Recurrent Events
London School of Economics（伦敦政治经济学院）
本文针对重复发生的持久性处理事件，提出基于条件平行趋势假设的顺序插补估计器，以一致估计每次事件的动态效应并容纳异质性，优于传统TWFE模型。
2026-09-25 econ.EM
Causal Inference under Dynamic Selection and Latent Heterogeneity
University College London（伦敦大学学院）
本研究提出一种基于核函数的双重稳健估计方法，利用预处理结果历史控制潜在异质性，识别交错采纳下的动态处理效应，并应用于美国计划生育项目，估计其对生育率的影响。
2026-10-23 econ.EM
Treatment Effects in the Regression Discontinuity Model with Counterfactual Cutoff and Distorted Running Variables
本文提出了一种新的回归断点设计框架，用于评估总政策效应，考虑了治疗对结果的直接效应和运行变量扭曲的间接效应，并通过意大利国内稳定 pact 的实证分析验证了方法的有效性。
2025-11-28 econ.EM
Policy Targeting with Market Equilibrium
School of Management and Economics, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）经管学院）
本文提出一个在市场均衡下进行个体化补贴分配的框架，证明福利函数超模性，实现多项式时间优化，并刻画普遍与定向补贴的最优条件及统计保证，以菲律宾数据验证。
2026-09-17 econ.EM
Treatment Effects in Staggered Adoption Designs with Non-Parallel Trends
本文提出在交错处理采纳且未处理潜在结果遵循交互固定效应模型时，利用处理时点变异构造额外矩条件来识别因果效应参数，无需大量时间期数或额外排除性限制。
2023-08-05 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
Unit Averaging for Heterogeneous Panels
Universitat Pompeu Fabra and Barcelona School of Economics（庞培法布拉大学和巴塞罗那经济研究所）
本文提出一种单元平均方法，通过加权平均恢复异质面板模型中的单元特定参数，分析其局部异质性框架下的性质，并展示其在德国地区失业率预测中的应用。
2024-05-12 econ.EM
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
Average Treatment Effect Localization: Projection Methods in Synthetic Control
Rutgers University（罗格斯大学）
本文提出平均处理效应局部化（ATEL）方法，利用多样化投影估计时变因子模型，以在面板数据中评估短期政策影响，并应用于“持有权”法律对暴力犯罪率的影响分析。
2026-09-11 econ.EM
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
A Causal Inference Framework for Data Rich Environments
提出在数据丰富环境下处理未观测混杂的反事实估计正式模型，连接结构因果模型与潜在因子模型，为多种平均处理效应提供识别论证，并证明主成分回归可实现一致估计。
2025-04-02 cs.LG econ.EM stat.ME
Minimum Distance Estimation of Quantile Panel Data Models
本文提出一种两阶段最小距离估计法用于分位数面板数据模型，适用于经典面板和分组数据，提供多种分位数估计量，并具有更高精度和自适应推断，实证显示食品券计划主要增加低端出生体重。
2025-02-25 econ.EM
Simple Specification-Free Causal Inference in Large Panels
University College London（伦敦大学学院）；CeMMAP（计量经济学与宏观经济分析中心）
本文提出一种基于非参数因子模型和潜在相似性核平滑的方法，用于大面板数据中因果效应的推断，实现了处理组平均处理效应的双稳健估计，并具备最优收敛速率和渐近正态性。
2026-09-29 econ.EM
Limiting Bias from Test-Control Interference in Online Marketplace Experiments
在A/B测试中，典型的目标是测量总平均处理效应（TATE），其测量如果所有用户都被处理的平均结果与如果所有用户都未被处理的平均结果之间的差异。然而，当对照单位的结果取决于治疗单位的结果时，一个简单的均值差估计量将给出TATE的有偏估计，我们称之为测试-对照干扰的问题。使用建立在Airbnb数据之上的模拟，本文考虑使用网络干扰文献中的方法进行在线市场实验。我们将市场建模为一个网络，在这个网络中，如果两个卖家的商品可以相互替代，那么他们之间就存在一个优势。然后，我们模拟卖方的结果，特别是考虑“现状”的情况下，“治疗”的情况下，迫使所有卖家降低价格。我们使用相同的模拟框架来近似TATE分布，这些分布是通过使用块图聚类随机化、暴露建模和平均值差异的Hajek估计量产生的。我们发现，虽然块图聚类随机化降低了高达62%的天真的均值差异估计的偏差，它也显着增加了估计的方差。另一方面，使用更复杂的估计产生混合的结果。虽然有些提供了（小）额外的偏差减少和方差的小减少，其他导致增加的偏差和方差。总的来说，我们的研究结果表明，实验设计和分析技术，从网络实验文献是有前途的工具，减少偏见，由于测试控制干扰市场实验。
2020-04-25 econ.EM stat.AP stat.ME
Testing for Heterogeneous Treatment Effects in Regression Discontinuity Designs
Guanghua School of Management, Peking University（北京大学光华管理学院）
本文提出一种非参数检验，用于检测回归不连续设计中的未观测处理效应异质性，通过特征函数转化为积分条件矩约束，并验证了检验的渐近性质与有效性。
2026-09-24 econ.EM
Estimating Variances for Causal Panel Data Estimators
本文提出了一种新的方差估计器，用于因果面板数据中，以更灵活地处理异方差性并提升统计功效。
2025-11-24 econ.EM
Difference-in-differences with as few as two cross-sectional units -- A new perspective to the democracy-growth debate
École de Gestion, Université de Sherbrooke（舍布鲁克大学管理学院）；Department of Economics, Finance and Legal Studies, Culverhouse College of Business, University of Alabama（阿拉巴马大学卡弗豪斯商学院经济、金融与法律研究系）
本文提出T-DiD估计器，利用时间变异估计最少两个横截面单位的处理效应，解决面板分析中异质性问题，并通过识别检验检测平行趋势违反。
2026-04-26 econ.EM
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
The Exact Variance of the Average Treatment Effect Estimator in Cluster Randomized Controlled Trials
本文提出了一种在集群随机对照试验中计算平均处理效应估计量精确方差的方法，并提供了一个可实现的上限估计，从而改进了置信区间的有效性与精度。
2025-12-16 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
Two-way fixed effects instrumental variable regressions in staggered DID-IV designs
本文研究交错DID-IV设计中TWFEIV估计量的性质，证明其可分解为所有双组双期Wald-DID估计量的加权平均，并强调因果解释需依赖工具变量对处理与结果的稳定效应。
2024-05-26 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
Fragility in Average Treatment Effect on the Treated under Limited Covariate Support
针对局部协变量重叠下ATT识别问题，本文提出经验支撑诊断与基于选择曲率约束的敏感性框架，并用MAS-SI和脆弱性指数量化结论稳健性。
2025-06-10 econ.EM
Graph-Laplacian Variance Estimators for Finely Stratified Experiments
University of Southern California（南加州大学）；University of Chicago（芝加哥大学）；Stanford University（斯坦福大学）；University of Toronto（多伦多大学）
本文针对精细分层实验，提出度校准图拉普拉斯方差估计器，推导其偏差性质，提出正则化图估计器以权衡局部性与最坏情况偏差，通过模拟验证相关结论。
2026-08-12 econ.EM
Randomization Tests in Randomized Saturation Designs
研究随机饱和设计中溢出效应，针对不同零假设开发随机化检验。固定饱和度水平时，对个体水平假设用条件随机化框架检验；研究弱平均溢出零假设，学生化重标记统计量可渐进有效推断；多有序饱和度水平时，开发全局单调性检验。
2026-07-07 econ.EM stat.ME
Triply Robust Panel Estimators
Stanford University（斯坦福大学）；Columbia University（哥伦比亚大学）；Harvard University（哈佛大学）
本文提出三重稳健面板估计器，通过结合灵活模型、单位权重和时间权重，显著优于传统估计方法，在多种实证设置中表现更优。
2026-02-09 econ.EM stat.ME
Convergence rate of estimators of clustered panel models with misclassification
研究了具有潜在组结构和$N$单位及$T$时间段的面板数据模型在长面板渐近下的k均值聚类估计.我们表明，即使误差方差发散为$T \to \infty$和一些单位是渐近错误分类的参数根$NT$率的组特定的系数可以估计。这种极限情况下近似经验相关的设置，并不包括现有的渐近结果。
2020-08-11 econ.EM math.ST stat.TH
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
Doubly Robust Estimation of Treatment Effects in Staggered Difference-in-Differences with Time-Varying Covariates
Fred Hutchinson Cancer Center（弗雷德·哈钦逊癌症中心）；Shanghai University of Finance and Economics（上海财经大学）
本文提出双重鲁棒估计器，用于估计 staggered 差异-in-差异中时间变化协变量的处理效应，通过非参数方法解决负权重问题，并通过模拟和实证研究验证其有效性。
2026-10-01 econ.EM stat.ME
Interpreting OLS Estimands When Treatment Effects Are Heterogeneous: Smaller Groups Get Larger Weights
应用工作通常使用具有加性效应的线性模型来研究二元变量（“治疗”）的效应。我研究的解释OLS估计在这样的模型时，处理效应是异质的。我表明，处理系数是一个凸组合的两个参数，在一定条件下，可以解释为平均处理效应的处理和未处理。这些参数的权重与每组中观察值的比例成反比。依赖这些隐式权重可能会对应用工作产生严重后果，我用两个著名的应用程序来说明。我开发简单的诊断工具，实证研究人员可以使用，以避免潜在的偏见。用于实现这些方法的软件在R和Stata中可用。在一个重要的特殊情况下，我的诊断只需要知道治疗单位的比例。
2020-05-19 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
A New Design-Based Variance Estimator for Finely Stratified Experiments
本文针对精细分层实验提出一种基于相邻层配对的差值均值方差估计量，证明其向上偏误且偏误小于已有估计量，从而在相邻层相似时实现更精确的因果推断。
2025-05-06 econ.EM math.ST stat.TH
Design-Robust Two-Way-Fixed-Effects Regression For Panel Data
本文提出融合分配机制权重的双向固定效应估计量，在一般处理模式下具备双重稳健性，并可扩展至动态处理效应。
2024-03-04 econ.EM econ.GN q-fin.EC
Simple Standard Errors for Complicated (Quasi-)Experimental Designs
UC Davis（加州大学戴维斯分校）；Brown University（布朗大学）
该研究针对个体间存在复杂依赖模式的（准）实验设计，提出一种简易方差估计量，其在模拟与实证研究中表现良好，部分场景下标准误较现有方法短2-3倍。
2026-10-12 econ.EM stat.ME
Inference under Covariate-Adaptive Randomization with Multiple Treatments
本文研究了多个治疗方案下协变量自适应随机化随机对照试验的推断问题。更具体地说，我们研究了一种或多种治疗相对于其他治疗或对照的平均效果的推断。如Bugni et al.（2018）所述，协变量自适应随机化是指首先根据基线协变量进行分层，然后分配治疗状态以实现各分层内平衡的随机化方案。与Bugni et al.（2018）相比，我们不仅允许多种治疗，而且还允许分配给每种治疗的单位比例在层间变化。我们首先研究来自完全饱和线性回归的估计量的性质，即，每种治疗的指标与每一层的指标之间所有相互作用的结果的线性回归。我们表明，这些估计的基础上使用通常的异方差一致估计的渐近方差的测试是无效的，另一方面，测试的基础上，这些估计和适当的估计，我们提供的渐近方差是准确的。对于分配给每个处理的目标单位比例在不同层之间没有变化的特殊情况，我们还考虑了基于从具有层固定效应的线性回归中得出的估计量的检验，即，每种治疗的指标和每一层的指标的结果的线性回归。我们表明，这些估计的基础上使用通常的异方差一致估计的渐近方差的测试是保守的，但测试的基础上，这些估计和适当的估计，我们提供的渐近方差是准确的。模拟研究说明了我们的理论结果的实际意义。
2019-01-17 econ.EM stat.ME
Individualized Policy Evaluation and Learning under Clustered Network Interference
Harvard University（哈佛大学）
针对忽略网络干扰导致策略评估有偏的问题，提出一种基于半参数加性结构模型的方法，用于聚类网络干扰下的个体化处理规则评估与学习，并开发了高效且双重稳健的估计器以提升学习策略性能。
2025-04-01 cs.LG econ.EM stat.ME
Markovian Interference in Experiments
Massachusetts Institute of Technology（麻省理工学院）；Carnegie Mellon University（卡内基梅隆大学）
我们考虑在动力系统中的实验，其中对一些实验单元的干预通过限制约束（例如有限的库存）影响其他单元。尽管超大的实际重要性，这个“马尔可夫”的干扰问题的最佳估计在很大程度上是启发式的性质，他们的偏见是没有得到很好的理解。我们正式的推理问题，在这样的实验作为一个政策评估。政策外估计，而无偏的，显然会招致一个很大的罚款相对于国家的最先进的统计学方差。我们介绍了一个政策上的估计：在Q的差异（DQ）估计。我们表明，DQ估计一般可以有指数较小的方差比政策评估。与此同时，它的偏见在干预的影响中是第二位的。这产生了一个惊人的偏差方差权衡，使DQ估计有效地占主导地位的国家的最先进的替代品。从理论的角度来看，我们介绍了三个独立的新技术是独立的兴趣在强化学习（RL）的理论。我们的实证评估包括一组城市规模的乘车模拟器上的实验。
2022-06-09 cs.LG econ.EM stat.ML
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 Experiments with Matched Pairs and Imperfect Compliance
本文研究了不完全依从且处理状态由匹配对确定的随机对照试验中局部平均处理效应的推断问题，推导了Wald估计量的极限分布，提出一致的方差估计量，并证明包含额外协变量和配对固定效应的两阶段最小二乘估计量能提高估计精度。
2024-06-26 econ.EM math.ST stat.TH
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
Neighborhood Adaptive Estimators for Causal Inference under Network Interference
Duke University（杜克大学）；Yale University（耶鲁大学）；The Fuqua School of Business, Duke University（杜克大学福库商学院）
针对网络干扰下因果效应估计问题，提出邻域自适应估计量，通过考虑所有可能的干扰半径并引入合成处理解耦依赖关系，实现了对处理组平均直接处理效应的有效估计。
2025-03-04 cs.LG econ.EM stat.ML
