Maskinlæringsforstærket syntetisk kontrolmetode
Den maskinlæringsforstærkede syntetiske kontrolmetode udvider den klassiske syntetiske kontrolestimator ved at anvende straffet regression eller andre ML-algoritmer – såsom lasso, ridge eller random forests – til at konstruere donorvægtene og modellere udfaldsforløb før behandling. Forstærkningen korrigerer for resterende ubalance, der er tilbage efter standardvægtningstrinnet, hvilket giver lavere bias, når der ikke findes en perfekt syntetisk kontrol.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Ben-Michael, E., Feller, A., & Rothstein, J. (2021). The augmented synthetic control method. Journal of the American Statistical Association, 116(536), 1789-1803. DOI: 10.1080/01621459.2021.1929245 ↗
- Abadie, A. (2021). Using synthetic controls: Feasibility, data requirements, and methodological aspects. Journal of Economic Literature, 59(2), 391-425. DOI: 10.1257/jel.20191450 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Machine Learning-Augmented Synthetic Control Method. ScholarGate. https://scholargate.app/da/causal-inference/machine-learning-augmented-synthetic-control-method
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.
- Analyse af kausal påvirkningKausal inferens↔ compare
- Difference-in-Differences (Diff-in-Diff)Økonometri↔ compare
- Maskinlærings-augmenteret Difference-in-Differences (ML-DiD)Kausal inferens↔ compare
- Panel Data Synthetic Control MethodKausal inferens↔ compare
- Syntetisk Kontrol Metode (SCM)Kausal inferens↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →