Identification and Bayesian inference for synthetic control methods with spillover effects
存在溢出效应时合成控制方法的识别与贝叶斯推断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：摘要明确结合合成控制因果推断、面板模型与跨单位溢出效应。
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
存在溢出效应时合成控制方法的识别与贝叶斯推断
- 研究问题
- 当干预同时影响处理单位和未处理单位时，如何扩展合成控制方法，在面板数据中估计直接处理效应与溢出效应？
- 方法与思路
- 作者将空间自回归面板模型纳入合成控制框架以描述单位间溢出，并使用马蹄先验进行正则化和贝叶斯推断。
- 材料陈述的贡献
- 摘要提出可同时估计处理与溢出效应的面板方法，并将其用于加州烟草税与苏丹分裂的两项经验研究。
- 阅读关注点
- 应核对直接效应与溢出效应如何识别、空间关联结构如何确定，以及马蹄先验和模型设定对推断的影响。
- 阅读边界
- 摘要未给出识别条件、空间权重设定或两项应用的估计结果，不能据此判断方法在任意溢出结构下均有效。
原文摘要
Summary The synthetic control method (SCM) is widely used for causal inference with panel data, particularly when the number of treated units is small. It relies on the stable unit treatment value assumption, ruling out spillover effects. However, interventions often affect not only treated but also untreated units. This study proposes a novel panel data method that extends the standard SCM to account for spillovers and estimate both treatment and spillover effects. The approach extends the SCM framework by incorporating a spatial autoregressive panel data model that captures spillover patterns across units. We also develop a Bayesian inference procedure using horseshoe priors for regularization. We apply the proposed method to two empirical studies: (i) evaluating the effect of the California tobacco tax on cigarette consumption, and (ii) assessing the economic impact of the 2011 Sudan division on GDP per capita.