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
Synthetic Difference in Differences
本文提出合成双重差分估计量，融合双重差分与合成控制法的优势，在面板数据因果推断中具有更好的稳健性，并给出其相合性与渐近正态性条件。
2021-07-02 econ.EM stat.ME
A Note on the Estimation of Job Amenities and Labor Productivity
本文基于对均衡匹配和工资的观察，引入了一个单一匹配市场中工作舒适度和劳动生产率价值的极大似然估计。估计过程同时拟合匹配模式和工资曲线。虽然我们的估计是适合于广泛的分配问题，我们提供了一个应用程序的估计的价值的统计寿命使用补偿工资差异的致命伤害的风险工作。使用美国2017年的数据，我们估计统计生命的价值为630万美元（2017年）。
2023-01-29 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
A Note on Doubly Robust Estimator in Regression Discontinuity Designs
Department of Basic Science, The University of Tokyo（东京大学基础科学系）
本文提出了用于断点回归设计的双稳健估计量（DR-RD），通过结合两个条件期望结果估计量，在至少一个估计量一致时即可保证处理效应估计的一致性，从而增强了估计的稳健性。
2025-01-27 cs.LG econ.EM math.ST
Recovering Counterfactual Distributions via Wasserstein GANs
University of California, Riverside（加州大学河滨分校）
本文提出基于Wasserstein GANs的稳健估计方法，用于恢复反事实分布，解决了传统DSC在支持不匹配和多模态结果下的稳定性问题。
2026-01-24 econ.EM
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
A Design-Based Perspective on Synthetic Control Methods
本文从基于设计的视角研究合成控制方法，指出标准估计量在随机分配下有偏，提出无偏的MUSC估计量及其方差的无偏估计，证实其均方根误差更低，且该提升在处理时期随机选择时有弱保证，可补充模型类方法。
2023-07-19 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
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
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
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 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
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
A Note on the Topology of the First Stage of 2SLS with Many Instruments
估计量的有限样本性质通常使用渐近理论来理解或近似。两个主要的渐近结构已被用来表征许多仪器的存在。第一个假设是仪器数量随着样本量的增加而增加。我证明，在这种情况下，渐近结构中使用的关键假设之一可能意味着“有效”工具的数量应该是有限的，从而导致内部矛盾。第二种渐近表示认为，工具变量（IV）的数量可能是有限的，无限的，甚至是一个连续的。数量不随样本量而变化。在这种情况下，所获得的正则化估计量取决于施加在仪器集合上的拓扑以及正则化参数。这些限制可能导致偏见或限制可接受的文书。然而，这些假设是内在一致的。许多IV渐近假设的局限性为有限样本分布研究提供了支持，以更好地理解许多IV估计量的行为。
2021-06-28 econ.EM math.ST stat.TH
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
A Synthetic Control Approach to Conditional Distributional Treatment Effects
University of Cologne（科隆大学）
提出基于分布回归模型的合成控制框架估计条件分布处理效应，通过最小二乘权重估计反事实分布，并推导渐近分布与检验统计量。
2026-06-08 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
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
