Chen et al. (2025) 泡沫政策反事实分析：渐进理论与推断速查手册

本文基于 Chen, Phillips & Shi (2025) 的论文《Bubble Mitigation Policies: Counterfactual Analysis and Treatment Effect Inference》，重点整理在轻微爆炸性（Mildly Explosive）因子结构下的反事实分析渐进性质。本文梳理了因子渐进阶数、伪真回归系数的收敛性以及处理效应（Treatment Effect）的极限分布，方便后续研究中速查与记忆。

一、基础设定与符号说明

1. 数据生成过程 (DGP)

采用混合动态因子模型 (Mixed Dynamic Factor Model)： $y_{i,t} = \lambda_i' f_t + e_{i,t} = \lambda_{i,1}f_{1,t} + \lambda_{i,2}f_{2,t} + \lambda_{i,3}f_{3,t} + e_{i,t}$ 其中 $f_t$ 包含三类因子：

爆炸性因子 (Bubble): $f_{1,t} = \rho_T f_{1,t-1} + u_{1,t}$，其中 $\rho_T = 1 + \frac{c}{T^\alpha}$，$\alpha \in (1/2, 1)$，此即 Phillips & Magdalinos (2007) 中的近爆炸设定。
I(1) 因子 (Fundamental): $f_{2,t} = f_{2,t-1} + u_{2,t}$。
平稳因子 (Stationary): $f_{3,t}$ 为平稳 AR(1) 过程。

2. 样本维度与反事实框架

维度设定：截面 $N$ 固定 (Fixed $N$)，处理前时间 $T_0 \to \infty$。
伪真回归 (Pseudo-true Regression)：利用处理前数据估计 $y_{i,t} = \beta_{i,0} + \dot{y}t’ \beta_i^- + \epsilon{i,t}$。
处理效应：$\hat{\delta}{i,T_0+j} = y{i,T_0+j}^{(1)} - \hat{y}_{i,T_0+j}^{(0)}$。

3. 关键随机变量定义 (Lemma A.1 & Theorem 3.4)

符号	定义/含义	备注
$X_1(c)$	$\mathcal{N}(0, \frac{\sigma_{11}}{2c})$	爆炸性因子的极限分布
$B_2(r)$	布朗运动，方差 $\sigma_{22}$	I(1) 因子的极限过程
$X_2(c)$	$\mathcal{N}(0, \frac{\tau}{c^2}\sigma_{22})$	混合项极限分布的一部分
$W_1$	$\frac{1}{\tau}\int_0^\tau B_2(r)dr$	I(1) 部分的积分均值
$W_2$	$cX_2(c) - W_1$	组合极限分布

二、因子的渐进阶数 (Lemma A.1 速查)

这是推导后续结论的基础，核心在于爆炸性因子 $f_{1,t}$ 的指数增长特性。以下结果基于 $T_0 \to \infty$ 且 $T_0 = \lfloor \tau T \rfloor$。

统计量 (Summation)	标准化阶数 (Normalization)	极限分布/性质
$f_{1,T_0}$ (末端值)	$T^{\alpha/2}\rho_T^{T_0}$	$\sim X_1(c)$
$\sum_{t=1}^{T_0} f_{1,t}$	$T^{3\alpha/2}\rho_T^{T_0}$	$\sim \frac{1}{c}X_1(c)$
$\sum_{t=1}^{T_0} f_{1,t}^2$ (平方和)	$T^{2\alpha}\rho_T^{2T_0}$	$\sim \frac{1}{2c}X_1(c)^2$
$\sum_{t=1}^{T_0} f_{2,t}$ (I(1)和)	$T^{3/2}$	$\sim \int B_2$
$\sum_{t=1}^{T_0} f_{1,t} f_{2,t}$ (交叉项)	$T^{(1+3\alpha)/2}\rho_T^{T_0}$	$\sim X_1(c)X_2(c)$

记忆要点：爆炸性因子的求和阶数主要由末期项决定，且包含指数项 $\rho_T^{T_0}$。

三、伪真回归系数的渐进性质 (Theorem 3.4)

伪真回归系数 $\hat{\beta}i = (\hat{\beta}{i,0}, \hat{\beta}_i^-)’$ 的收敛性受限于爆炸性因子和 I(1) 因子。

1. 截距项 ($\hat{\beta}_{i,0}$)

性质：渐进无偏，但不一致 (Inconsistent)。
发散阶数：$O_p(T^{1/2})$。
极限分布： $\frac{1}{T^{1/2}}(\hat{\beta}_{i,0} - \beta_{i,0}) \Rightarrow \Upsilon_{\Lambda}(\dots) W_1$ (主要受 I(1) 因子 $f_{2,t}$ 的均值漂移影响)。

2. 斜率系数 ($\hat{\beta}_{i}^-$)

性质：超一致 (Super-consistent)。
收敛阶数：$O_p(T^{(1-\alpha)/2}\rho_T^{-T_0})$。
极限分布： $T^{-(1-\alpha)/2}\rho_T^{T_0}(\hat{\beta}_{i}^- - \beta_{i}^-) \sim 2\Pi_{\Lambda,i} W_2 / X_1(c)$ (收敛速度极快，由爆炸性因子主导)。

四、处理效应的渐进结论 (核心部分)

这是评估政策是否有效的关键统计量。与平稳情形不同，标准统计量在此处会发散。

1. 逐期处理效应 (Pointwise Treatment Effect, $\hat{\delta}$)

根据 Theorem 3.5：

现象：估计误差随时间指数级发散。
发散阶数：$O_p(T^{1/2}\rho_T^j)$，其中 $j$ 为处理后的期数。
极限： $T^{-1/2}\rho_T^{-j}(\hat{\delta}_{i,T_0+j} - \delta_{i,T_0+j}) \sim -2\dot{\Lambda}_1'\Pi_{\Lambda,i}W_2$

2. 平均处理效应 (ATE, $\hat{\Delta}^\dagger$) - 失效警示

根据 Corollary 3.6：

结论：标准的 ATE 估计量 $\frac{1}{T_1}\sum \hat{\delta}$ 在爆炸性因子下发散。
发散阶数：当 $T_1 \to \infty$ 时，发散速度为 $O_p(T^{\alpha-1/2}\rho_T^{T_1})$。
推论：不能直接使用传统的合成控制法（SCM）或 DID 的平均效应进行推断。

3. 平均标准化处理效应 (ANTE, $\hat{\Delta}$) - 推荐方法