ENSEMBLE METHODS FOR CAUSAL EFFECTS IN PANEL DATA SETTINGS

面板数据设置中因果关系的集成方法

作者：

• 苏珊·阿西（Susan Athey）
• Mohsen Bayati
• 吉多·伊本斯（Guido Imbens）
• 肇南区（Zhaonan Qu）
  

  在许多预测问题中，研究人员发现，预测方法（“集合”）的组合比单独的方法表现更好。一个简单的例子是随机森林，它结合了许多回归树的预测。Netflix奖竞赛是一个引人注目的且实质上更复杂的例子，其中获奖作品使用多种概念上非常不同的模型来组合预测。在宏观经济预测中，研究人员经常发现，对来自不同模型的预测进行平均可以得出更准确的预测。在本文中，我们将这些思想应用于面板数据设置中的综合控制类型问题。在这种情况下，已经开发出许多概念上截然不同的方法，其中一些方法假设单位之间的相关性会随着时间的推移而保持稳定，其他的假设所有单位都具有稳定的时间序列模式，其他的则使用因子模型。借助270个季度的州级GDP数据，我们将重点放在三种预测缺失值的基本方法上，其中一种来自文献的每个方面。与其尝试彼此测试不同的模型并找到一个真实的模型，不如将其重点放在使用集成方法将基于每个单独模型的预测进行组合。对于整体预测器，我们集中于三种单独方法的加权平均值，其中非负权重是通过样本外交叉验证确定的。与其尝试彼此测试不同的模型并找到一个真实的模型，不如将其重点放在使用集成方法将基于每个单独模型的预测进行组合。对于整体预测器，我们集中于三种单独方法的加权平均值，其中非负权重是通过样本外交叉验证确定的。与其尝试彼此测试不同的模型并找到一个真实的模型，不如将其重点放在使用集成方法将基于每个单独模型的预测进行组合。对于整体预测器，我们集中于三种单独方法的加权平均值，其中非负权重是通过样本外交叉验证确定的。