scpi: Uncertainty Quantification for Synthetic Control Methods
scpi：合成控制方法的不确定性量化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：摘要明确将合成控制用于观察性研究中的项目评估和干预因果效应分析。
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…
scpi：合成控制方法的不确定性量化
- 研究问题
- 以未处理单位的加权组合构造干预反事实时，如何实现处理效应预测，并量化合成控制估计所面临的不确定性？
- 方法与思路
- 作者介绍支持 Python、R 和 Stata 的 scpi 软件，提供多种含惩罚项的点估计方案，并实现已有研究提出的预测区间方法。
- 材料陈述的贡献
- 摘要称，该软件整合合成控制预测、优化与区间推断功能；论文提供数值示例，并与其他合成控制软件进行比较。
- 阅读关注点
- 应核对预测区间覆盖的对象及误差来源、所需识别与概率条件，以及权重约束、惩罚选择和不同软件比较的具体设置。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核实；摘要未说明区间有效性的条件、覆盖表现，也不足以判断软件比较的优劣。
原文摘要
The synthetic control method offers a way to quantify the effect of an intervention using weighted averages of untreated units to approximate the counterfactual outcome that the treated unit(s) would have experienced in the absence of the intervention. This method is useful for program evaluation and causal inference in observational studies. We introduce the software package scpi for prediction and inference using synthetic controls, implemented in Python, R, and Stata. For point estimation or prediction of treatment effects, the package offers an array of (possibly penalized) approaches leveraging the latest optimization methods. For uncertainty quantification, the package offers the prediction interval methods introduced by Cattaneo, Feng and Titiunik (2021) and Cattaneo, Feng, Palomba and Titiunik (2022). The paper includes numerical illustrations and a comparison with other synthetic control software.