An Exact and Robust Conformal Inference Method for Counterfactual and Synthetic Controls
反事实与合成控制的精确稳健共形推断方法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：摘要明确研究政策因果评估、结构突变检验，并将双重差分及时间序列面板模型列为可配合的方法。
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…
反事实与合成控制的精确稳健共形推断方法
- 研究问题
- 政策评估采用合成控制或其他反事实预测方法时，如何开展推断，并应对高维估计及反事实模型设定错误？
- 方法与思路
- 作者将因果推断转化为反事实预测与结构突变检验，结合共形预测和置换推断，可配合合成控制、双重差分等估计方法。
- 材料陈述的贡献
- 摘要称，方法在弱条件下有效且对设定错误稳健，模拟显示良好小样本表现，并提供政策应用及开源实现软件。
- 阅读关注点
- 应核对精确有效性与渐近有效性各自条件、置换如何处理时间依赖，以及设定错误稳健性的范围和反事实拟合要求。
- 阅读边界
- 依据 arXiv 1712.09089v10 预印本摘要，不能据此声称已同行评审或期刊接收；具体有效性条件及刊本变化未提供。
原文摘要
We introduce new inference procedures for counterfactual and synthetic control methods for policy evaluation. We recast the causal inference problem as a counterfactual prediction and a structural breaks testing problem. This allows us to exploit insights from conformal prediction and structural breaks testing to develop permutation inference procedures that accommodate modern high-dimensional estimators, are valid under weak and easy-to-verify conditions, and are provably robust against misspecification. Our methods work in conjunction with many different approaches for predicting counterfactual mean outcomes in the absence of the policy intervention. Examples include synthetic controls, difference-in-differences, factor and matrix completion models, and (fused) time series panel data models. Our approach demonstrates an excellent small-sample performance in simulations and is taken to a data application where we re-evaluate the consequences of decriminalizing indoor prostitution. Open-source software for implementing our conformal inference methods is available.