来自Kaul等。 (2018),他们在使用SCM时引起了人们对所有干预前结果以及协变量的关注。 V的大小取决于要匹配的观测值的数量。 这些包括i的时间序列t和k协变量平均值。 3实际上,估计程序的性质使得将趋势变量(如真实GDP)与周期性指标(如失业)相结合很困难。 这是因为最小化过程由更挥发性的周期性指标主导。 原则上可以定义(1)中的加权矩阵,使其相对于实际GDP的失业率较小,但这种调整必须是任意的。 4为了最好地匹配增长的“预测指标”,我们在选举前一年进行协变量的平均值,即2015年季度至2016年第一季度。来自Kaul等。(2018),他们在使用SCM时引起了人们对所有干预前结果以及协变量的关注。V的大小取决于要匹配的观测值的数量。这些包括i的时间序列t和k协变量平均值。3实际上,估计程序的性质使得将趋势变量(如真实GDP)与周期性指标(如失业)相结合很困难。这是因为最小化过程由更挥发性的周期性指标主导。原则上可以定义(1)中的加权矩阵,使其相对于实际GDP的失业率较小,但这种调整必须是任意的。4为了最好地匹配增长的“预测指标”,我们在选举前一年进行协变量的平均值,即2015年季度至2016年第一季度。