Doubly Robust Proximal Synthetic Controls
双重稳健的近端合成控制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：摘要明确以面板数据和合成控制估计单个单位的处理效应，直接对应因果推断与面板数据方法。
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…
双重稳健的近端合成控制
- 研究问题
- 如何利用面板数据估计单个受处理单位的平均处理效应，并减轻传统合成控制对反事实模型正确设定及处理前轨迹匹配的依赖？
- 方法与思路
- 作者借鉴近端因果推断，将协变量漂移引入合成控制，提出加权及结果模型与权重模型结合的识别公式，并以 GMM 构造估计量。
- 材料陈述的贡献
- 摘要给出两种非参数识别公式和相应估计量，称其中一种在结果模型或权重模型至少一个正确时一致且渐近正态，并提供疫苗应用。
- 阅读关注点
- 应核对近端识别与协变量漂移的具体条件、两个模型各自对应的对象，以及双重稳健性和渐近正态性还需要哪些额外条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核实。摘要未展开识别假设与推断条件，也未报告巴西疫苗应用的效应大小。
原文摘要
To infer the treatment effect for a single treated unit using panel data, synthetic control methods construct a linear combination of control units' outcomes that mimics the treated unit's pre-treatment outcome trajectory. This linear combination is subsequently used to impute the counterfactual outcomes of the treated unit had it not been treated in the post-treatment period, and used to estimate the treatment effect. Existing synthetic control methods rely on correctly modeling certain aspects of the counterfactual outcome generating mechanism and may require near-perfect matching of the pre-treatment trajectory. Inspired by proximal causal inference, we obtain two novel nonparametric identifying formulas for the average treatment effect for the treated unit: one is based on weighting, and the other combines models for the counterfactual outcome and the weighting function. We introduce the concept of covariate shift to synthetic controls to obtain these identification results conditional on the treatment assignment. We also develop two treatment effect estimators based on these two formulas and the generalized method of moments. One new estimator is doubly robust: it is consistent and asymptotically normal if at least one of the outcome and weighting models is correctly specified. We demonstrate the performance of the methods via simulations and apply them to evaluate the effectiveness of a Pneumococcal conjugate vaccine on the risk of all-cause pneumonia in Brazil.