AVERAGE TREATMENT EFFECT LOCALIZATION: PROJECTION METHODS IN SYNTHETIC CONTROL
平均处理效应局部化：合成控制中的投影方法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：摘要直接研究单一处理单位面板中的短期政策处理效应与合成控制推断。
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
平均处理效应局部化：合成控制中的投影方法
- 研究问题
- 在只有一个受处理单位的面板中，如何及时识别局部短期政策影响，并容纳观测及未观测协变量作用的时变与非线性？
- 方法与思路
- 作者提出平均处理效应局部化，以筛逼近将未处理结果的非参数模型解释为时变因子模型，再用多样化投影估计。
- 材料陈述的贡献
- 摘要称投影方法可应对边界偏差和识别问题，并建立局部效应估计量的渐近分布；应用考察携枪权法律与暴力犯罪率。
- 阅读关注点
- 应核对局部效应的时间尺度、未处理结果模型的识别限制、投影构造及边界处理，以及单一处理单位下的渐近框架。
- 阅读边界
- 摘要未说明识别假设、面板维度增长条件、局部化参数选择及实证效应方向，不能据此判断法律的实际影响或推断准确性。
原文摘要
Many real-world policies and business interventions require assessing short-term effects to inform timely decisions, even though most causal inference methods focus on long-term average treatment effects. In this article, we introduce average treatment effect localization (ATEL), which captures localized, short-term policy impacts in panel data settings with a single treated unit and provides early indicators of policy impact. To accommodate both time-varying and nonlinear effects of observed and unobserved covariates, we propose a nonparametric model for untreated outcome, interpreted as a time-varying factor model via sieve approximation. Estimating the time-varying factor model is challenging due to the boundary bias and identification. Our estimation method based on diversified projection can effectively address these issues. We develop an asymptotic distribution theory to facilitate inference for the ATEL estimator. In an empirical application, we apply our proposed methodology to assess the impact of right-to-carry laws on violent crime rate.