Combining Matching and Synthetic Control to Tradeoff Biases From Extrapolation and Interpolation
结合匹配与合成控制以权衡外推和内插偏差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：摘要以合成控制和匹配构造干预反事实，并估计冲突的经济成本，直接对应因果推断。
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…
结合匹配与合成控制以权衡外推和内插偏差
- 研究问题
- 比较案例研究中，如何利用匹配与合成控制在外推及内插偏差上的互补性，形成能够依数据调整两类偏差权衡的估计量？
- 方法与思路
- 作者将标准合成控制和匹配估计量进行模型平均，构造MASC，并用滚动起点交叉验证训练两者的组合。
- 材料陈述的贡献
- 摘要提出MASC及其训练方法，通过基于经验数据的安慰剂和蒙特卡洛模拟比较适用情形，并用于西班牙冲突成本研究。
- 阅读关注点
- 核对两类偏差的定义及其模型基础、滚动验证的时间划分与组合权重，并检查反事实识别条件和各比较方法的调参方式。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；摘要未给出因果识别条件或统一优势保证，交叉验证表现不直接证明反事实有效。
原文摘要
The synthetic control (SC) method is widely used in comparative case studies to adjust for differences in pre-treatment characteristics. SC limits extrapolation bias at the potential expense of interpolation bias, whereas traditional matching estimators have the opposite properties. This complementarity motives us to propose a matching and synthetic control (or MASC) estimator as a model averaging estimator that combines the standard SC and matching estimators. We show how to use a rolling-origin cross-validation procedure to train the MASC to resolve trade-offs between interpolation and extrapolation bias. We use a series of empirically-based placebo and Monte Carlo simulations to shed light on when the SC, matching, MASC and penalized SC estimators do (and do not) perform well. Then, we apply these estimators to examine the economic costs of conflicts in the context of Spain.