Machine-Learning-gestützte Panel-Ereignisstudie
Die Machine-Learning-gestützte Panel-Ereignisstudie erweitert die klassische Panel-Ereignisstudie, indem sie parametrische kontrafaktische Modelle durch Machine-Learning-Schätzer ersetzt oder ergänzt — wie LASSO, Random Forests oder Matrixvervollständigung —, um genauere prä-Ereignis-Baselines zu konstruieren, Verletzungen paralleler Trends zu erkennen und gültige kausale Effektschätzungen über mehrere Post-Ereignis-Perioden hinweg zu produzieren.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- Chernozhukov, V., Wuthrich, K., & Zhu, Y. (2021). An Exact and Robust Conformal Inference Method for Counterfactual and Synthetic Controls. Journal of the American Statistical Association, 116(536), 1849-1864. DOI: 10.1080/01621459.2021.1920957 ↗
- Freyaldenhoven, S., Hansen, C., & Shapiro, J. M. (2019). Pre-event Trends in the Panel Event-Study Design. American Economic Review, 109(9), 3307-3338. DOI: 10.1257/aer.20180609 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Machine Learning-Augmented Panel Event Study Estimator. ScholarGate. https://scholargate.app/de/causal-inference/machine-learning-augmented-panel-event-study
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.
- Differenz-in-Differenzen (DiD)Ökonometrie↔ compare
- Paneldaten-Fixed-Effects-ModellÖkonometrie↔ compare
- Synthetische Kontrollmethode (SCM)Kausale Inferenz↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →