Recovering Counterfactual Distributions via Wasserstein GANs
通过 Wasserstein 生成对抗网络恢复反事实分布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：摘要直接研究合成控制中的反事实分布恢复，涉及因果推断与分布效应。
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
通过 Wasserstein 生成对抗网络恢复反事实分布
- 研究问题
- 当结果分布存在支持集不匹配、厚尾污染或多峰结构时，如何构造稳定且能保留分布形态的合成控制？
- 方法与思路
- 作者提出直接最小化概率测度之间的 Wasserstein-1 距离，并用 Wasserstein 生成对抗网络实现分布合成控制。
- 材料陈述的贡献
- 摘要称，在供体池仿射独立条件下合成权重点识别；模拟显示该方法在污染和支持集不匹配时较稳定，并能恢复双峰混合。
- 阅读关注点
- 应核对仿射独立条件如何保证权重识别，以及权重识别与反事实有效性的关系；同时查看网络优化误差和模拟比较设计。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未经核验；摘要未交代反事实识别的完整条件，模拟表现不能证明普遍优越性。
原文摘要
Standard Distributional Synthetic Controls (DSC) estimate counterfactual distributions by minimizing the Euclidean $L_2$ distance between quantile functions. We demonstrate that this geometric reliance renders estimators fragile: they lack informative gradients under support mismatch and produce structural artifacts when outcomes are multimodal. This paper proposes a robust estimator grounded in Optimal Transport (OT). We construct the synthetic control by minimizing the Wasserstein-1 distance between probability measures, implemented via a Wasserstein Generative Adversarial Network (WGAN). We establish the formal point identification of synthetic weights under an affine independence condition on the donor pool. Monte Carlo simulations confirm that while standard estimators exhibit catastrophic variance explosions under heavy-tailed contamination and support mismatch, our WGAN-based approach remains consistent and stable. Furthermore, we show that our measure-based method correctly recovers complex bimodal mixtures where traditional quantile averaging fails structurally.