Causal Data Fusion for Panel Data without a Pre-Intervention Period
缺少干预前时期的面板数据因果融合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：摘要明确研究缺少干预前观测的面板因果效应估计，并通过辅助域进行数据融合。
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…
缺少干预前时期的面板数据因果融合
- 研究问题
- 当突发干预导致目标地区没有干预前数据时，能否利用其他相关地区的辅助面板数据估计目标地区的因果效应？
- 方法与思路
- 作者提出两种因果数据融合方法，借助辅助参考域的相关面板数据开展目标域估计，并推导偏差界及进行模拟评估。
- 材料陈述的贡献
- 摘要称绝对偏差界在适当条件下趋于零，并以多种面板模拟及马萨诸塞州 Chelsea 社区疫苗干预展示无干预前数据的分析。
- 阅读关注点
- 应核对两种方法各自需要的跨域关系、参考域选择、偏差界趋零条件，以及疫苗应用中辅助数据与目标地区的可比性。
- 阅读边界
- 所据为 arXiv 预印本，同行评审及期刊接收未核实；摘要未具体说明跨域条件、偏差界或效应数值，不能视为无条件替代双重差分。
原文摘要
Traditional panel-data causal inference frameworks, such as difference-in-differences and synthetic control methods, rely on pre-intervention data to estimate counterfactual means. However, such data may be unavailable in real-world settings when interventions are implemented in response to sudden events, such as public health crises or epidemiological shocks. In this paper, we introduce two data-fusion methods for causal inference from panel data in scenarios where pre-intervention data are unavailable. These methods leverage auxiliary reference domains with related panel data to estimate causal effects in the target domain, thereby overcoming the limitations imposed by the absence of pre-intervention data. We demonstrate the efficacy of these methods by deriving bounds on the absolute bias that converge to zero under suitable conditions, as well as through simulations across a variety of panel-data settings. Our proposed methodology renders causal inference feasible in urgent and data-constrained environments where the assumptions of existing causal inference frameworks are not met. As an application of our methodology, we evaluate the effect of a community organization vaccination intervention in Chelsea, Massachusetts on COVID-19 vaccination rates.