Balancing, Regression, Difference-In-Differences and Synthetic Control Methods: A Synthesis
平衡、回归、双重差分与合成控制方法的综合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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要研究利用处理与对照单位的处理前后结果估计处理效应，直接涉及因果评估和面板结构。
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
平衡、回归、双重差分与合成控制方法的综合
- 研究问题
- 在单个处理单位与多个对照单位的政策评估中，如何放宽合成控制的权重约束，并允许处理单位与对照之间存在永久水平差异？
- 方法与思路
- 作者允许权重为负且总和不必为一，加入类似双重差分的永久加性差异，并通过正则化直接拟合处理前的滞后结果。
- 材料陈述的贡献
- 摘要提出连接回归、双重差分与合成控制的推广框架，可在候选对照单位较多时利用正则化处理处理前结果的匹配问题。
- 阅读关注点
- 应核对处理后反事实的识别依据、正则化与调参方式，以及负权重、非单位权重和水平差异对外推及不确定性评估的影响。
- 阅读边界
- 所给版本为 arXiv 预印本，同行评审与接收状态未经核验；摘要未给出识别假设、推断方法或性能比较，不能断言普遍更优。
原文摘要
In a seminal paper Abadie, Diamond, and Hainmueller [2010] (ADH), see also Abadie and Gardeazabal [2003], Abadie et al. [2014], develop the synthetic control procedure for estimating the effect of a treatment, in the presence of a single treated unit and a number of control units, with pre-treatment outcomes observed for all units. The method constructs a set of weights such that selected covariates and pre-treatment outcomes of the treated unit are approximately matched by a weighted average of control units (the synthetic control). The weights are restricted to be nonnegative and sum to one, which is important because it allows the procedure to obtain unique weights even when the number of lagged outcomes is modest relative to the number of control units, a common setting in applications. In the current paper we propose a generalization that allows the weights to be negative, and their sum to differ from one, and that allows for a permanent additive difference between the treated unit and the controls, similar to difference-in-difference procedures. The weights directly minimize the distance between the lagged outcomes for the treated and the control units, using regularization methods to deal with a potentially large number of possible control units.