本文提出了一种基于合成控制的治疗效果估计方法的加权平均的一般化模型，其中权重可以为负且总和不为一，通过正则化方法解决可能存在的大量可能的对照组。

Oct, 2016

现有的合成控制方法 (SCMs) 存在内隐内源性问题，本研究基于密度匹配提出了一种新的 SCM 方法，通过匹配处理结果矩和未处理结果矩的加权和来估计 SC 权重，该方法具有无偏性、降低均方误差以及生成完整治疗效应密度的优点。

Jul, 2023

本文介绍了一种基于测量协变量的局部因果推断框架，其中正式承认协变量测量是难以完美匹配真实混淆机制的，为在基于观测数据的因果推断中提供新的思路。作者提出了一套非参数近端推断的条件，建立了平均处理效应的半参数近端推断理论，以及多种相容性分析方案，并在模拟情境和实际数据集评估中予以展示。

Nov, 2020

在顺序实验中，通过使用自适应增广逆概率加权估计量和倾向得分截断技术，我们提出了一种有效的平均处理效应推断方法，能够在变动的样本规模下进行推断并具有较窄的置信区间。

Nov, 2023

本文提出了一种新的方案，通过不需要强假设的方法，利用原因不变性原则来检验干预的因果效应，并给出了敏感性分析框架以克服这些方法中的违反非参数识别的假设的问题，从而使基于线性合成控制模型的因果推断更加精确可靠。

Jan, 2023

介绍了针对政策评估的反事实和合成控制方法的新推断过程。将因果推理问题重新表述为反事实预测和结构性断裂检验问题，并开发置换推断过程以适应现代高维度估计器，能在弱和易验证的条件下有效地进行，并证明了对错误说明的稳健性。本方法可以与许多不同的方法结合使用，用于在没有政策干预的情况下预测反事实均值结果。我们的方法在模拟中表现出优秀的小样本性能，并进行数据应用，重新评估取消室内卖淫的后果。

Dec, 2017

现代数据分析中常常依赖于使用大型数据集，其中包含多个不同的人群或数据源的综合。这些较小数据集之间的异质性构成了因果推断的两个主要挑战：（1）每个样本的来源可能会引入处理和效果之间的潜在混淆，（2）不同的人群对相同的处理可能会产生不同的反应，导致异质性处理效应。先前的研究只报告了类似个体之间的条件平均处理效应（CATE），而不能解决潜在异质性驱动下的潜在混合处理效应，我们称之为混合处理效应（MTEs）。基于混合模型的时刻方法的启发，我们提出了 “合成潜在结果”（SPOs）的新方法。我们的新方法既可以解决异质性问题，也可以保证 MTE 的可辨识性。这种技术绕过了完全恢复混合模型的要求，极大地简化了其可辨识性的要求。我们在合成数据上展示了 SPOs 的有效性。

May, 2024

本文致力于在线测试数据交换性假设，通过构造交换性鞅并提供一些新的方法来测试其假设。我们的鞅方法与之前介绍的假设检验方法相比具有更高的灵活性，在 USPS 和 Statlog 卫星数据两个基准数据集上取得了良好的结果。

Apr, 2012

本文提出了一种基于面板数据的因果效应新估计方法，这种方法建立在广泛使用的差异和综合控制方法背后的思想基础上。相对于这些方法，我们发现，无论是从理论上还是从经验上看，“合成差异法” 估计量都具有理想的鲁棒性能，并且在常见的实践中常常表现出色。我们研究了评估器的渐近行为，当结果模型的系统部分包括与潜在时间因素相互作用的潜在单元因素时，我们呈现了一些一致性和渐近正态性相对应的条件。

Dec, 2018

本文提出采用核平衡方法来进行匹配和加权处理以进行因果推断，并证明该方法对于评估处理后的平均效应具有偏差纠正作用。该方法旨在使处理组和对照组之间的非治疗可能结果的条件期望相等，其中采用核函数提取基函数集合使得在该基函数下加权后处理组和对照组具有相等均值。采用该方法可用于实现不需要对治疗分配机制进行任何模型假设的稳定反倾向得分的权重选择。

Apr, 2016