Spectral Truncation in Synthetic Control

技术摘要：合成控制法中的谱截断（Spectral Truncation）

问题陈述
合成控制（SC）方法通过构建一个由未受处理的捐赠单元（donor units）加权平均组成的反事实轨迹，来估计受处理单元的反事实路径。该路径要求加权后的捐赠单元在处理前阶段的路径与受处理单元的原始处理前路径相匹配。本文研究了一种替代方法：谱合成控制（Spectral Synthetic Control）。该方法不是在原始时间坐标下进行匹配，而是在捐赠面板的前导时间奇异向量（leading temporal singular vectors）坐标下进行匹配。其动机假设是：如果结果过程遵循低秩交互固定效应模型（low-rank interactive fixed-effects model），那么在承载系统性变化的维度上进行匹配，可能更直接地针对潜在的因子载荷（factor loadings）。然而，本文指出这种方法引入了特定的风险：权重欠定（weight underdetermination）（即平衡问题存在无数个解）以及基底估计噪声（basis-estimation noise）（即未移除的固定效应会污染谱基底）。

方法论
作者提出并分析了一类由谱截断参数 $K$ 和混合权重 $\eta$ 定义的估计量：

1. 谱合成控制（Spectral SC）： 对捐赠单元的处理前矩阵进行奇异值分解（SVD）。将受处理单元和捐赠单元投影到前 $K$ 个奇异向量（$V_K$）上。选择权重以最小化受处理单元投影路径与加权捐赠单元投影路径之间的平方距离，同时受单纯形约束和岭惩罚项的限制。
2. 混合估计量（Hybrid Estimator）： 为了避免截断带来的突变性，混合估计量为保留的 $K$ 维子空间之外的方向分配一个严格为正但经过收缩的权重 $\eta \in [0, 1]$。
   • 当 $\eta = 0$ 时：恢复为截断的谱合成控制。
   • 当 $\eta = 1$ 时：完全恢复原始路径 SC（等同于在完整的 $T_0$ 维空间中进行匹配）。
   • 当 $\eta \in (0, 1)$ 时：在两者之间进行插值，对所有方向进行约束但赋予不同的权重。
3. 超参数选择： 通过**仅针对捐赠单元的留一法安慰剂验证（donor-only leave-one-out placebo validation）**来调整岭惩罚项（$\lambda_\omega$）和混合权重（$\eta$）。秩 $K$ 根据每个实验方案的设计固定不变，不进行调优。

核心理论贡献
本文建立了三个控制这些估计量行为的正式结果：

• 全秩等价性（Full-Rank Equivalence）： 在全秩（$K = T_0$）时，谱目标函数在数学上与原始路径 SC 的目标函数完全一致。投影过程精确地保留了欧几里得平衡差异（Euclidean balancing discrepancy）。
• 权重欠定（Weight Underdetermination）： 本文证明，只要捐赠单元数量 $N_0$ 大于 $K + 1$，精确的谱平衡（不含岭惩罚）就是一个欠定系统。解集形成一个维度为 $N_0 - K - 1$ 的仿射子空间。因此，估计量所选的具体权重高度依赖于正则化项而非数据本身，因为在保留子空间正交的方向上，数据本身无法确定唯一的解。
• 偏差分解与界限（Bias Decomposition and Bound）： 利用最佳线性预测器（BLP）构造，作者推导出了一个将处理效应偏差与谱平衡质量联系起来的有限样本界限。偏差被证明取决于：
  1. 实现的谱残差（由估计量控制）。
  2. BLP 系数矩阵的算子范数（$\|A_K\|_{op}$）。
  3. BLP 残差（$r_i$），它捕捉了基底估计噪声（估计真实因子子空间的误差）和遗漏因子。至关重要的是，如果进行 SVD 之前没有移除固定效应，领先的奇异向量可能会被跨单元的水平差异而非因子结构所主导，从而导致 BLP 残差增大，使谱界限失去参考意义。

实证结果
作者在十一个专门设计为有利于谱截断的数据生成方案（例如：低秩结构、稀疏捐赠单元、弱因子）中评估了这些估计量，每个方案进行 400 次重复实验。

• 原始输入表现： 当应用于原始处理前路径（未移除固定效应）时，截断谱合成控制的表现始终逊于经过调优的原始路径 SC。在所有方案中，谱合成控制的均方根误差（RMSE）显著更高（高出 4 到 11 个标准误）。
• 混合估计量行为： 混合估计量在自由选择 $\eta$ 时，在大多数方案中都倾向于选择 $\eta = 1$（原始路径匹配）。在大多数情况下，它在统计上与调优后的原始路径 SC 无法区分。
• 预处理敏感性（稳健性检验）： 一个关键发现出现在对数据进行预处理时。当在进行谱分解之前**移除单位和时间固定效应（双向去均值处理）**后：
  • 谱合成控制与原始路径 SC 之间的性能差距几乎消失。
  • 安慰剂调优程序反转了其偏好，在多数重复实验中选择了全截断（$\eta = 0$）。
  • 这证实了理论界限：移除固定效应降低了 BLP 残差，使得谱基底能更好地近似真实的因子子空间。

意义与主张
本文并不声称谱方法应该取代原始路径 SC。相反，它将这项工作定位为一种诊断性结果，旨在识别导致谱截断在标准条件下失效的具体机制：

1. 欠定性： 低维度的平衡留下了过多的自由度，使得正则化在决定权重方面占据主导地位。
2. 基底污染： 在原始数据中，未移除的固定效应扭曲了估计的谱基底，从而放大了偏差界限中的误差项。

作者得出结论，观察到的负面结果是针对原始路径输入而言的。本文证明了当满足理论界限的条件时（通过移除固定效应），谱匹配可以变得可行。这项工作旨在澄清谱截断在何时以及为何有助于或阻碍研究，而不是提出一种新的通用估计量。

开放性问题
论文明确指出了其局限性和未来研究的开放领域：

• 预处理反转在所有十一个方案中的稳健性（目前仅检查了基准方案）。
• 对秩 $K$ 的原则性选择（目前是根据设计固定的）。
• 能够考虑估计的基底和超参数不确定性的推断程序。
• 向交错采用（staggered adoption）和多个处理单元的扩展。