On the Misspecification of Linear Assumptions in Synthetic Control
合成控制中线性假设的误设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：摘要直接研究观测面板数据中的合成控制处理效应及其误设误差，因此对应因果推断和面板数据。
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…
合成控制中线性假设的误设
- 研究问题
- 当处理单位无法由未处理单位的线性组合准确表示时，合成控制的处理效应估计会产生多大误差，又如何利用额外信息限制误差？
- 方法与思路
- 作者推导线性关系误设所致的误差界，并利用单位额外特征构造旨在减小误设误差的权重，开展模拟与加州控烟案例分析。
- 材料陈述的贡献
- 摘要称，小幅误设对应较小误差，新估计量在模拟中更准确；案例中处理后观测超出误设误差界，被作者解释为存在真实效应的证据。
- 阅读关注点
- 核对误设程度的定义、误差界成立条件、额外特征如何决定权重，以及处理后超界能否排除其他影响处理效应识别的因素。
- 阅读边界
- 这是 arXiv 预印本，同行评审和期刊接收未核实；摘要未提供误差界公式与识别条件，案例超界本身不能充分验证因果解释。
原文摘要
The synthetic control (SC) method is a popular approach for estimating treatment effects from observational panel data. It rests on a crucial assumption that we can write the treated unit as a linear combination of the untreated units. This linearity assumption, however, can be unlikely to hold in practice and, when violated, the resulting SC estimates are incorrect. In this paper we examine two questions: (1) How large can the misspecification error be? (2) How can we limit it? First, we provide theoretical bounds to quantify the misspecification error. The bounds are comforting: small misspecifications induce small errors. With these bounds in hand, we then develop new SC estimators that are specially designed to minimize misspecification error. The estimators are based on additional data about each unit, which is used to produce the SC weights. (For example, if the units are countries then the additional data might be demographic information about each.) We study our estimators on synthetic data; we find they produce more accurate causal estimates than standard synthetic controls. We then re-analyze the California tobacco-program data of the original SC paper, now including additional data from the US census about per-state demographics. Our estimators show that the observations in the pre-treatment period lie within the bounds of misspecification error, and that the observations post-treatment lie outside of those bounds. This is evidence that our SC methods have uncovered a true effect.