Geodesic Synthetic Control Methods for Random Objects and Functional Data
随机对象与函数型数据的测地线合成控制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：摘要明确研究面板合成控制的因果推断，并将分布等对象型结局纳入框架。
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…
随机对象与函数型数据的测地线合成控制
- 研究问题
- 面板结局为分布、组成或其他非欧氏随机对象时，如何构造合成对照、恢复未处理反事实，并量化对象型治疗效应的不确定性？
- 方法与思路
- 作者以加权 Fréchet 均值替代欧氏加权平均，以测地线定义效应，建立带随机扰动的因果模型，并采用内在度量保形校准。
- 材料陈述的贡献
- 摘要称给出权重一致性、处理后预测误差界和反事实恢复条件，并构造反事实预测区域、效应置信集合及整体无效应检验。
- 阅读关注点
- 应核对权重一致性对应的扰动总体目标、反事实恢复条件，以及保形校准如何处理面板依赖并支持各类区间与检验。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未获核实；摘要未说明校准有效性的完整条件，预测误差界也未给出具体形式。
原文摘要
We introduce a geodesic synthetic control method for causal inference with panel outcomes that are random objects in a geodesic metric space. Examples include distributions, compositions, networks, symmetric positive-definite matrices, trees and functional data, among other data types that require a geometry beyond Euclidean vector spaces. The proposed method replaces Euclidean weighted averages by weighted Fréchet means and defines treatment effects as geodesics connecting untreated and treated potential outcomes. We develop a causal model with stochastic perturbations for object-valued untreated outcomes, establish consistency of the estimated weights for the perturbed population target, derive a bound on post-treatment prediction error, and give sufficient conditions for consistent recovery of the untreated counterfactual. For uncertainty quantification, we propose an intrinsic metric conformal calibration procedure that yields prediction regions for untreated counterfactual objects, confidence sets for geodesic treatment effects, confidence intervals for their magnitudes, and global no-effect tests. The method is illustrated through simulation studies for networks and symmetric positive-definite matrices, and through applications to employment composition changes following the 2011 Great East Japan Earthquake and the impact of abortion liberalization on fertility patterns in East Germany.