An Exact and Robust Conformal Inference Method for Counterfactual and Synthetic Controls
反事实与合成控制的精确稳健共形推断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：摘要明确针对政策因果评估，并将合成控制、双重差分和时间序列面板模型列为可配合的方法。
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…
反事实与合成控制的精确稳健共形推断
- 研究问题
- 政策评估中的反事实与合成控制估计如何获得有效推断，并兼容高维预测方法及一定程度的模型误设？
- 方法与思路
- 作者将因果推断转化为反事实预测与结构断点检验问题，结合共形预测和断点检验构造置换推断程序。
- 材料陈述的贡献
- 摘要称方法适配合成控制、双重差分及因子等预测模型，在较弱条件下有效且抗误设，并展示模拟、应用及软件。
- 阅读关注点
- 应核对置换有效性的具体条件、精确与渐近有效的适用范围，以及抗误设结论如何依赖反事实预测和时间依赖结构。
- 阅读边界
- 这是 arXiv 预印本，同行评审或接收未核实；摘要未列出有效性与稳健性条件，不能由题名推断任意情形下精确覆盖。
原文摘要
We introduce new inference procedures for counterfactual and synthetic control methods for policy evaluation. We recast the causal inference problem as a counterfactual prediction and a structural breaks testing problem. This allows us to exploit insights from conformal prediction and structural breaks testing to develop permutation inference procedures that accommodate modern high-dimensional estimators, are valid under weak and easy-to-verify conditions, and are provably robust against misspecification. Our methods work in conjunction with many different approaches for predicting counterfactual mean outcomes in the absence of the policy intervention. Examples include synthetic controls, difference-in-differences, factor and matrix completion models, and (fused) time series panel data models. Our approach demonstrates an excellent small-sample performance in simulations and is taken to a data application where we re-evaluate the consequences of decriminalizing indoor prostitution. Open-source software for implementing our conformal inference methods is available.