Cointegration and control: Assessing the impact of events using time series data
协整与对照：利用时间序列数据评估事件影响AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要以对照组构造政策事件的反事实，讨论双重差分与合成控制，并采用多变量时间序列模型，支持因果推断与时间序列分类。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
协整与对照：利用时间序列数据评估事件影响
- 研究问题
- 如何利用对照序列构造事件或政策变动的反事实，并判断多变量时间序列建模能否比目标变量与加权对照的直接比较更有效？
- 方法与思路
- 作者通过多变量时间序列模型分析目标与对照之间的关系，并用加州禁烟法和德国统一案例讨论方法假设及对照选择。
- 材料陈述的贡献
- 摘要称，该框架可揭示双重差分与合成控制所依赖的假设并提示检验路径；作者还主张以时间序列策略选择对照。
- 阅读关注点
- 核对协整关系如何进入反事实构造、事件前后关系稳定性如何检验，以及对照筛选依据和事件影响估计的不确定性。
- 阅读边界
- 摘要未列明假设检验、模型设定与比较结果；其关于时间序列策略更可取的判断，仍需结合全文条件和案例证据评估。
原文摘要
Summary Control groups can provide counterfactual evidence for assessing the impact of an event or policy change on a target variable. We argue that fitting a multivariate time series model offers potential gains over a direct comparison between the target and a weighted average of controls. More importantly, it highlights the assumptions underlying methods such as difference in differences and synthetic control, suggesting ways to test these assumptions. Gains from simple and transparent time series models are analysed using examples from the literature, including the California smoking law of 1989 and German reunification. We argue that selecting controls using a time series strategy is preferable to existing data‐driven regression methods.