合成主成分设计：利用合成控制实现快速协变量平衡
计量经济学
2022-11-29 v1 机器学习
最优化与控制
机器学习
摘要
实验的最优设计通常涉及求解一个 NP-难的组合优化问题。在本文中，我们旨在开发一种全局收敛且实际高效的优化算法。具体来说，我们考虑一个可获得预处理结果数据并调用合成控制估计量的场景。平均处理效应通过处理组和对照组加权平均结果的差异来估计，其中权重是从观测数据中学习得到的。在此场景下，我们惊奇地发现，最优实验设计问题可以归结为一个所谓的相位同步问题。我们通过一种带有谱初始化的归一化广义幂方法来求解该问题。在理论方面，当预处理数据从某些数据生成过程中采样时，我们首次建立了实验设计的全局最优性保证。在实证方面，我们基于美国劳工统计局数据和 Abadie-Diemond-Hainmueller 加州吸烟数据进行了大量实验，以证明我们方法的有效性。在均方根误差方面，我们的算法大幅优于随机设计。
引用
@article{arxiv.2211.15241,
title = {Synthetic Principal Component Design: Fast Covariate Balancing with Synthetic Controls},
author = {Yiping Lu and Jiajin Li and Lexing Ying and Jose Blanchet},
journal= {arXiv preprint arXiv:2211.15241},
year = {2022}
}