基于 Wasserstein GAN 的反事实分布恢复
计量经济学
2026-01-27 v1
摘要
标准分布式合成控制 (DSC) 通过最小化量子函数之间的欧几里得 距离来估计反事实分布。我们展示了这种几何依赖使估计器脆弱：它们在支持不匹配时缺乏信息性梯度，并在结果多模态时产生结构性伪影。本文提出一种基于最优传输 (OT) 的稳健估计器。我们通过最小化概率测度之间的 Wasserstein-1 距离来构建合成控制器，该距离通过 Wasserstein 生成对抗网络 (WGAN) 实现。我们在捐赠池上满足仰射独立条件下，建立了合成权重的形式点识别。蒙特卡洛模拟确认，尽管标准估计器在重尾污染和支持不匹配下表现出灾难性方差爆炸，但我们的 WGAN 方法一致且稳定。此外，我们表明该度量方法在结构性失败的双峰混合物中正确恢复，而传统的量子平均不行。
关键词
引用
@article{arxiv.2601.17296,
title = {Recovering Counterfactual Distributions via Wasserstein GANs},
author = {Xinran Liu},
journal= {arXiv preprint arXiv:2601.17296},
year = {2026}
}