Regression modelQuasi-experimental / causal inference
منهج الضابط الاصطناعي (SCM)
يقدر منهج الضابط الاصطناعي التأثير السببي للعلاج أو السياسة على وحدة معالجة واحدة عن طريق بناء مزيج مرجح من وحدات غير معالجة - الضابط الاصطناعي - التي تشبه إلى حد كبير الوحدة المعالجة قبل التدخل. الفجوة بين الوحدة المعالجة ونظيرتها الاصطناعية بعد التدخل هي تقدير تأثير العلاج.
اقرأ الطريقة كاملة
للأعضاء فقط
تسجيل الدخولسجّل الدخول بحساب مجاني لقراءة هذا القسم.
خريطة المناهج
محيط المناهج ذات الصلة — اختر عقدةً للاستكشاف.
+35 أخرى
المصادر
- Abadie, A., Diamond, A., & Hainmueller, J. (2010). Synthetic Control Methods for Comparative Case Studies: Estimating the Effect of California's Tobacco Control Program. Journal of the American Statistical Association, 105(490), 493-505. DOI: 10.1198/jasa.2009.ap08746 ↗
- Abadie, A., & Gardeazabal, J. (2003). The Economic Costs of Conflict: A Case Study of the Basque Country. American Economic Review, 93(1), 113-132. DOI: 10.1257/000282803321455188 ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Synthetic Control Method for Comparative Case Studies. ScholarGate. https://scholargate.app/ar/causal-inference/synthetic-control-method
أيُّ منهج؟
ضع هذا المنهج إلى جانب أقرب نظائره واقرأهما جنباً إلى جنب — المكتبة تضع الكتب على الطاولة، والاختيار لك.
- تحليل التأثير السببيالاستدلال السببي↔ قارن
- الفرق في الفروق (Diff-in-Diff)الاقتصاد القياسي↔ قارن
- طريقة المتغيرات الآلية (IV) للاستدلال السببياقتصاديات الصحة↔ قارن
- مطابقة درجات الميلإحصاء البحث↔ قارن
يُستشهد بها في
تحليل الأثر السببي البايزيتقييم الأثر السببي البايزيالاختلافات في الاختلافات البايزيةمنهجية التحكم الاصطناعي البايزيتحليل التأثير السببيتقييم الأثر المضاد للواقع (CIE)تقييم الأثر المضاد للواقع في بحوث التعليمالفرق في الفروق في أبحاث التعليمDynamic Difference-in-Differencesمنهج التحكم الاصطناعي الديناميكيتحليل الأثر السببي للتأثير العلاجي غير المتجانسمُقدّر الفروق في الفروق لتأثيرات المعالجة غير المتجانسة (HTE-DiD)طريقة التحكم الاصطناعي لتأثير المعالجة غير المتجانسسلاسل زمنية متقطعة في البحوث التربويةتحليل الأثر السببي المعزز بالتعلم الآليتقييم الأثر السببي المعزز بالتعلم الآليالفرق في الفروق المعزز بالتعلم الآلي (ML-DiD)السلاسل الزمنية المتقطعة المعززة بالتعلم الآلياختبار الدواء الوهمي المعزز بالتعلم الآليطريقة التحكم الاصطناعي المعززة بالتعلم الآليتحليل الأثر السببي متعدد الفتراتالفرق في الفروقات متعدد الفترات (DiD المتدرج)منهج التحكم الاصطناعي متعدد الفتراتتحليل الأثر السببي لبيانات اللوحةبيانات البانل (Panel Data) فرق الفروقات (Difference-in-Differences - DiD)سلسلة زمنية متقطعة للبيانات المجمعةاختبار وهمي للبيانات اللوحيةمنهج الضابط الاصطناعي للبيانات المقطعيةدراسة الحدث اللوحيةاختبار الدواء الوهمي في البحوث التربويةتقييم السياسات: تحليل الأثر السببيتقييم السياسات عبر المطابقة التامة التقريبية (CEM)تقييم الأثر السببي (CIE) لتقييم السياساتتقييم السياسات: الفرق في الفروق (Difference-in-Differences)تقييم السياسات بموازنة الإنتروبياتقييم السياسات باستخدام السلاسل الزمنية المتقطعةاختبار الدواء الوهمي لتقييم السياساتتحليل التأثير السببي القويطريقة التحكم الاصطناعي القويةتحليل الأثر السببي المكانيتقييم الأثر المكاني للواقع البديل (SCIE)المنهج المكاني للتحكم الاصطناعي