Uncertainty Quantification in Synthetic Controls with Staggered Treatment Adoption
错位处理采用下合成控制的不确定性量化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：摘要明确研究错位处理下合成控制的因果预测，并应用于多国人均 GDP 的跨期政策评估。
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…
错位处理采用下合成控制的不确定性量化
- 研究问题
- 多个单位在不同时点接受处理时，如何为不同合成控制因果预测目标构造区间，并同时量化各处理后时期的不确定性？
- 方法与思路
- 作者区分多类因果预测目标，结合稳健锥优化及数据驱动调参，为允许非线性约束的合成控制构造预测区间。
- 材料陈述的贡献
- 摘要称方法提供非渐近覆盖概率保证和处理后时期的统一推断，并以非洲国家经济自由化对实际人均 GDP 的影响展示应用。
- 阅读关注点
- 应核对预测区间涵盖哪类随机性、各因果目标的定义，以及错位处理、非线性约束和跨时期统一覆盖所需的条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审和期刊接收未经核实。摘要未详述覆盖条件及应用结果，预测区间保证不能替代因果识别假设的核验。
原文摘要
We propose principled prediction intervals to quantify the uncertainty of a large class of synthetic control predictions (or estimators) in settings with staggered treatment adoption, offering precise non-asymptotic coverage probability guarantees. From a methodological perspective, we provide a detailed discussion of different causal quantities to be predicted, which we call causal predictands, allowing for multiple treated units with treatment adoption at possibly different points in time. From a theoretical perspective, our uncertainty quantification methods improve on prior literature by (i) covering a large class of causal predictands in staggered adoption settings, (ii) allowing for synthetic control methods with possibly nonlinear constraints, (iii) proposing scalable robust conic optimization methods and principled data-driven tuning parameter selection, and (iv) offering valid uniform inference across post-treatment periods. We illustrate our methodology with an empirical application studying the effects of economic liberalization on real GDP per capita for Sub-Saharan African countries. Companion software packages are provided in Python, R, and Stata.