标题： ClusterSC：通过捐赠者选择推进合成控制 显示英文标题

标题： ClusterSC: Advancing Synthetic Control with Donor Selection

摘要： 在观察性研究中的因果推断中，合成控制（SC）已成为一个突出的工具。 SC 传统上被应用于聚合层面的数据集，但最近的工作已将其应用扩展到个体层面的数据。 由于这些数据包含更多的观测单元，这种转变给 SC 带来了维度灾难。 为了解决这个问题，我们提出了聚类合成控制（ClusterSC），其思路是可能存在一些个体群体，其中内部行为一致，但群体之间存在差异。 ClusterSC 包含一个聚类步骤，以仅选择目标相关的捐赠者。 我们提供了 ClusterSC 所带来的改进的理论保证，并通过合成和现实世界数据集的实证演示加以支持。 结果表明，ClusterSC 始终优于传统的 SC 方法。 显示英文摘要

摘要： In causal inference with observational studies, synthetic control (SC) has emerged as a prominent tool. SC has traditionally been applied to aggregate-level datasets, but more recent work has extended its use to individual-level data. As they contain a greater number of observed units, this shift introduces the curse of dimensionality to SC. To address this, we propose Cluster Synthetic Control (ClusterSC), based on the idea that groups of individuals may exist where behavior aligns internally but diverges between groups. ClusterSC incorporates a clustering step to select only the relevant donors for the target. We provide theoretical guarantees on the improvements induced by ClusterSC, supported by empirical demonstrations on synthetic and real-world datasets. The results indicate that ClusterSC consistently outperforms classical SC approaches.