الفرق في الفروق المعزز بالتعلم الآلي (ML-DiD)
يجمع الفرق في الفروق المعزز بالتعلم الآلي بين استراتيجية الاستدلال الكلاسيكية للفرق في الفروق ومقدّرات التعلم الآلي المرنة للوظائف المزعجة - درجة الميل وانحدار النتائج - للحصول على تقديرات سببية صالحة حتى عندما تكون انتقائية المعالجة وديناميكيات النتائج معقدة أو عالية الأبعاد أو غير خطية. يضمن النهج، المتجذر في التعلم الآلي المزدوج/المُخفف (Chernozhukov et al., 2018) والفرق في الفروق المزدوج الصلابة (Sant'Anna & Zhao, 2020)، الحماية من تحيز سوء التحديد مع الحفاظ على منطق الفرق في الفروق الأساسي للمقارنات قبل وبعد، المعالج مقابل الضابط.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Chernozhukov, V., Chetverikov, D., Demirer, M., Duflo, E., Hansen, C., Newey, W., & Robins, J. (2018). Double/debiased machine learning for treatment and structural parameters. The Econometrics Journal, 21(1), C1-C68. DOI: 10.1111/ectj.12097 ↗
- Callaway, B., & Sant'Anna, P. H. C. (2021). Difference-in-Differences with multiple time periods. Journal of Econometrics, 225(2), 200-230. DOI: 10.1016/j.jeconom.2020.12.001 ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Machine Learning-Augmented Difference-in-Differences Estimator. ScholarGate. https://scholargate.app/ar/causal-inference/machine-learning-augmented-difference-in-differences
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- الفرق في الفروق (Diff-in-Diff)الاقتصاد القياسي↔ compare
- التقدير المتين المزدوج (AIPW)الاستدلال السببي↔ compare
- Dynamic Difference-in-Differencesالاستدلال السببي↔ compare
- مُقدّر الفروق في الفروق لتأثيرات المعالجة غير المتجانسة (HTE-DiD)الاستدلال السببي↔ compare
- مطابقة درجات الميلإحصاء البحث↔ compare
- منهج الضابط الاصطناعي (SCM)الاستدلال السببي↔ compare