Synthetic Control Method with Mixed Frequency Data
混频数据下的合成控制方法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。
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：摘要将混频合成控制用于平均处理效应估计及税改、污染预警的政策评估。
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
混频数据下的合成控制方法
- 研究问题
- 当研究变量以不同时间频率观测时，如何避免简单聚合或预滤波造成的信息损失，并在合成控制框架中估计处理效应及其不确定性？
- 方法与思路
- 作者提出混频合成控制的权重估计程序，分析预测误差的渐近最优性，再利用投影理论推导平均处理效应估计的渐近分布与区间。
- 材料陈述的贡献
- 摘要称其在由控制单位结果加权平均构成的比较类中达到渐近最小平方预测误差，并以模拟、美国税改和空气污染预警应用展示方法。
- 阅读关注点
- 应核对混频对齐与权重约束、最优性比较类、因果识别和渐近分布的条件，以及应用中的处理时点、控制单位选择与推断方式。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未列完整识别条件，渐近最优性限于指定比较类，不能扩展为所有估计方法最优。
原文摘要
Mixed-frequency data, where variables are observed at different temporal resolutions, commonly occur in economic and financial studies. Classical synthetic control methods (SCM) are ill-suited for such data, often necessitating aggregation or prefiltering that may discard valuable information. This paper proposes a novel Mixed-Frequency Synthetic Control Method (MF-SCM) to integrate mixed-frequency data into the synthetic control framework effectively. We develop a flexible estimation procedure to construct synthetic control weights under mixed-frequency settings and establish the theoretical properties of the MF-SCM estimator. Specifically, we first prove that the estimator achieves asymptotic optimality, in the sense that it achieves the lowest possible squared prediction error among all potential treatment effect estimators from averaging outcomes of control units. We then derive the asymptotic distribution of the average treatment effect (ATE) estimator using projection theory and construct confidence intervals for the ATE estimator. The method's effectiveness is demonstrated through numerical simulations and two empirical applications concerning the 2017 Tax Cuts and jobs Act in US and air pollution alerts.