ScholarGate
Assistent
Regression modelQuasi-experimental / causal inference

Maskinlæringsforstærket kausal effektanalyse

Maskinlæringsforstærket kausal effektanalyse kombinerer kvasi-eksperimentel kontrafaktisk ræsonnement med fleksible ML-prædiktionsmodeller til at estimere den kausale effekt af en intervention på en tidsserie-udfaldsvariabel. Byggende på Brodersen et al.'s Bayesianske strukturelle tidsserie-rammeværk (BSTS) og udvidet med double/debiased ML-metoder, konstruerer den en syntetisk kontrafaktisk variabel ud fra donor-kovariater og udleder behandlingseffekten som forskellen mellem observerede og forudsagte udfald efter interventionen.

Åbn i MethodMindSnartVideoSnartDownload slides

Læs hele metoden

Kun for medlemmer

Log ind med en gratis konto for at læse dette afsnit.

Log ind

Method map

The neighbourhood of related methods — select a node to explore.

Kilder

  1. Brodersen, K. H., Gallusser, F., Koehler, J., Remy, N., & Scott, S. L. (2015). Inferring causal impact using Bayesian structural time-series models. Annals of Applied Statistics, 9(1), 247-274. DOI: 10.1214/14-AOAS788
  2. 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

Sådan citerer du denne side

ScholarGate. (2026, June 3). Machine Learning-Augmented Causal Impact Analysis. ScholarGate. https://scholargate.app/da/causal-inference/machine-learning-augmented-causal-impact-analysis

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.

Compare side by side
ScholarGateMachine learning-augmented causal impact analysis (Machine Learning-Augmented Causal Impact Analysis). Hentet 2026-06-15 fra https://scholargate.app/da/causal-inference/machine-learning-augmented-causal-impact-analysis · Datasæt: https://doi.org/10.5281/zenodo.20539026