面向面板数据的异质合成学习器
机器学习
2023-01-31 v2 机器学习
统计理论
统计方法学
统计理论
摘要
在个性化的新时代，学习异质处理效应（HTE）已成为不可避免的趋势，并具有众多应用。然而，大多数现有的 HTE 估计方法聚焦于独立同分布观测，无法处理常见面板数据设定中的非平稳性与时间依赖性。另一方面，为面板数据开发的处置评估器通常忽略个体化信息。为填补这一空白，本文开创了面板数据中 HTE 估计的研究。在 HTE 可识别性的不同假设下，我们通过借助最先进的面向非面板数据的 HTE 估计器并推广允许灵活数据生成过程的合成控制方法，提出了相应的异质单侧与双侧合成学习器，即 H1SL 与 H2SL。我们建立了所提估计器的收敛速率。广泛的数值研究证明了所提方法相对于现有方法的优越性能。
引用
@article{arxiv.2212.14580,
title = {Heterogeneous Synthetic Learner for Panel Data},
author = {Ye Shen and Runzhe Wan and Hengrui Cai and Rui Song},
journal= {arXiv preprint arXiv:2212.14580},
year = {2023}
}