合成控制估计量为何有偏及应对方法：引入松弛与惩罚合成控制
计量经济学
2021-11-23 v1 统计方法学
摘要
本文将对合成控制理论性质的研究拓展至非线性生成模型的情形，表明在此类设定下合成控制估计量通常是有偏的。我推导了偏差的下界，表明其中唯一受合成控制选择影响的部分是处理单元与合成控制中未处理单元之间成对差异的加权和。为应对该偏差，我提出了一种新颖的合成控制估计量，其允许合成控制与处理单元在预处理期存在恒定差异，并对成对差异进行惩罚。允许恒定偏移使模型更具灵活性，从而生成更大的潜在合成控制集合，而惩罚项可用于选择能使偏差最小的潜在解。我研究了该估计量的性质，并提出了一种数据驱动的惩罚项参数化过程。
引用
@article{arxiv.2111.10784,
title = {Why Synthetic Control estimators are biased and what to do about it: Introducing Relaxed and Penalized Synthetic Controls},
author = {Oscar Engelbrektson},
journal= {arXiv preprint arXiv:2111.10784},
year = {2021}
}
备注
38 pages. Advised by Prof. Alexis Diamond. This paper is supplemented by a Python library, SyntheticControlMethods (https://github.com/OscarEngelbrektson/SyntheticControlMethods), implementing all methods covered in this paper, including the original synthetic control method. As of March 20, 2021 the package has been downloaded 12,424 times