Synthetic Regressing Control

Technische Samenvatting: Synthetic Regressing Control (SRC)

Probleemstelling
De Synthetic Control (SC) methode is een standaardbenadering voor het schatten van behandelings-effecten in paneldata met één behandelde eenheid en een bescheiden aantal controleenheden. Het construeert een "synthetische controle" door een gewogen gemiddelde van controleenheden te vinden dat de pre-treatment uitkomsten van de behandelde eenheid nauwkeurig benadert. Echter, het paper identificeert twee kritieke tekortkomingen in de standaard SC-methodologie die leiden tot suboptimale gewichten en slechte extrapolatie:

1. Interpolatiefout: De standaard SC-methode probeert pre-treatment uitkomsten direct te matchen. Als de lineaire combinatie van controleenheden (beperkt tot niet-negatieve gewichten die samen één vormen) de pre-treatment traject van de behandelde eenheid niet nauwkeurig kan benaderen, treedt er significante interpolatiefout op. Dit is bijzonder problematisch onder factormodellen waarbij de factorladingen van de behandelde eenheid buiten het convexe omhulsel van de ladingen van de controleenheden liggen.
2. Ruis en Over het hoofd geziene beperkingen: De standaard beperking dat gewichten samen één moeten zijn ($\sum w_j = 1$) is ontworpen om bias in het gemiddelde te minimaliseren, maar ziet de impact van ruis over het hoofd. Het paper demonstreert dat deze beperking er niet in slaagt de variantiecomponent van de voorspellingsfout te minimaliseren. Specifiek zorgt het afdwingen dat de som van de gewichten gelijk is aan 1 er niet voor dat de afweging tussen bias en variantie wordt geoptimaliseerd in aanwezigheid van idiosyncratische fouten, wat leidt tot een suboptimale gemiddelde kwadratische voorspellingsfout.

Methodologie: Synthetic Regressing Control (SRC)
De voorgestelde Synthetic Regressing Control (SRC) methode pakt deze problemen aan via een tweestaps-procedure die de uitlijning van eenheden ontkoppelt van de synthese van gewichten.

1. Eenheidsregressie (Pre-processing):
   In plaats van direct ruwe uitkomsten te matchen, voert SRC eerst een univariate lineaire regressie uit voor elke controleenheid $j$ tegen de behandelde eenheid met behulp van pre-treatment data.

   • Voor elke controleenheid $j$ wordt een coëfficiënt $\hat{\theta}_j$ geschat die de gekwadrateerde afstand tussen de pre-treatment uitkomsten van de behandelde eenheid en een geschaalde versie van de uitkomsten van de controleenheid minimaliseert.
   • Dit genereert "geregresseerde controles" $\tilde{Y}_{jt}(0) = \hat{\theta}_j(Y_{jt} - \bar{y}_j)$, wat effectief de pre-treatment trajecten van de controleenheden uitlijnt met de behandelde eenheid, waardoor de interpolatiefout wordt verminderd.

2. Synthese met Onbevooroordeelde Risico-inschatting:
   De SRC-schatter wordt geconstrueerd als een gewogen gemiddelde van deze geregresseerde controles. De gewichten $w$ worden bepaald door een onbevooroordeelde risico-inschatter te minimaliseren (specifiek een Mallows' $C_p$-stijl criterium) in plaats van te voldoen aan de strikte simplex-beperking ($\sum w_j = 1$).

   • Doelfunctie: De methode minimaliseert $\| \hat{y}_1(w) - y_1 \|^2 + 2\hat{\sigma}^2 \sum w_j$, waarbij $\hat{\sigma}^2$ een schatting is van de foutvariantie.
   • Beperking: De gewichten zijn beperkt tot te zijn niet-negatief ($w_j \ge 0$) maar mogen samen een constante $c$ vormen (waarbij $c$ datagedreven is en gerelateerd aan het ruisniveau), in plaats van strikt één te zijn. Deze versoepeling staat de methode toe om rekening te houden met modelruis en voorkomt het "overfitten" van de ruiscomponent dat optreedt wanneer de som op 1 wordt gedwongen.
   • Hogere Dimensie Extensie: Wanneer het aantal controleenheden $J$ het aantal tijdperioden $T_0$ overstijgt of benadert, stelt het paper een screeningsstap voor met behulp van Sure Independent Ranking and Screening (SIRS) om een subset van actieve eenheden te selecteren voordat het SRC-algoritme wordt toegepast.

Belangrijkste Bijdragen

• Theoretisch Kader: Het paper introduceert een werkend model waarbij de potentiële uitkomst van de behandelde eenheid een lineaire combinatie is van geregresseerde controleenheden plus een foutterm. Dit kader scheidt expliciet de uitlijning van eenheden (via regressiecoëfficiënten) van de synthese van eenheden (via gewichten).
• Asymptotische Optimaliteit: De auteurs bewijzen dat de SRC-schatter, gebruikmakend van gewichten afgeleid van het onbevooroordeelde risico-inschatterscriterium, asymptotisch optimaal is. Specifiek convergeert de loss van de SRC-schatter naar de minimale loss die bereikt kan worden door de "onhaalbare beste mogelijke" synthetische schatter (de oracle) naarmate het aantal pre-treatment perioden toeneemt.
• Aanpakken van SC-beperkingen: De methode demonstreert theoretisch dat het versoepelen van de $\sum w_j = 1$ beperking ten gunste van een gepenaliseerde risico-minimalisatie de impact van ruis op de voorspellingsfout vermindert, een beperking die inherent is aan standaard SC.
• Omgaan met Niet-lineariteit en Heterogeniteit: Door middel van voorbeelden met lineaire factormodellen, niet-lineaire factormodellen en autoregressieve modellen, laat het paper zien dat eenheidsregressie irrelevante controleenheden kan identificeren en minder zwaar kan wegen (bijv. door gewichten op nul te zetten in niet-lineaire factormodellen waar controles niet gerelateerd zijn aan de behandelde eenheid), wat de robuustheid verbetert.

Resultaten

• Simulatiestudies: Uitgebreide Monte Carlo-simulaties gebaseerd op factormodellen (inclusclusief settings met vaste tijdeffecten, heterogene factorladingen en heteroscedastische ruis) laten zien dat SRC consistent een lagere gemiddelde kwadratische voorspellingsfout bereikt vergeleken met bestaande methoden, waaronder de originele SC, gedemeneerde SC, augmented SC, generalized SC en constrained Lasso.
• Empirische Toepassing: De methode wordt toegepast op de economische kosten van conflicten in de Baskische regio van Spanje. De resultaten wijzen uit dat SRC een betere fit biedt voor de pre-treatment periode en nauwkeurigere counterfactual schattingen oplevert vergeleken met alternatieve schatters.

Betekenis en Claims
Het paper claimt dat SRC een eenvoudige maar effectieve verbetering biedt ten opzichte van de standaard Synthetic Control methode door de fundamentele problemen van interpolatiefout en ruisgevoeligheid aan te pakken.

• Bescheiden Claims over Inferentie: De auteurs stellen expliciet dat hoewel de SRC-schatter asymptotisch optimaal is in termen van voorspellingsverlies, het momenteel geen onbevooroordeelde schatter voor het behandelings-effect zelf biedt. Zij merken op dat het afleiden van een debiased schatter voor geldige statistische inferentie (bijv. betrouwbaarheidsintervallen) met behulp van projectietheorie een veelbelovende richting is voor toekomstig werk, maar buiten de scope van het huidige paper valt.
• Interpreteerbaarheid: De methode behoudt de interpreteerbaarheid van de SC-benadering (niet-negatieve gewichten) terwijl de regressiecoëfficiënten de schaling en uitlijning afhandelen, waardoor extrapolatie effectief wordt beheerd zonder te vertrouwen op de restrictieve eenheid-som beperking.
• Praktisch Nut: De inclusie van een screeningsmechanisme (SIRS) maakt de methode toepasbaar in hoog-dimensionale settings waar het aantal controleenheden groot is ten opzichte van de lengte van de tijdreeks, een veelvoorkomende uitdaging in moderne paneldata-applicaties.