Maschinelles Lernen-gestützte synthetische Kontrollmethode
Die maschinelles Lernen-gestützte synthetische Kontrollmethode erweitert den klassischen Schätzer für synthetische Kontrollen, indem sie regularisierte Regression oder andere ML-Algorithmen – wie Lasso, Ridge oder Random Forests – verwendet, um die Spendergewichte zu konstruieren und Verläufe der Zielgröße vor der Intervention zu modellieren. Die Erweiterung korrigiert für verbleibende Ungleichgewichte nach dem standardmäßigen Gewichtungsschritt und liefert eine geringere Verzerrung, wenn keine perfekte synthetische Kontrolle existiert.
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
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Machine Learning-Augmented Synthetic Control Method. ScholarGate. https://scholargate.app/de/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.
- Kausale AuswirkungsanalyseKausale Inferenz↔ compare
- Differenz-in-Differenzen (DiD)Ökonometrie↔ compare
- Maschinelles Lernen-gestütztes Differenz-in-Differenzen (ML-DiD)Kausale Inferenz↔ compare
- Paneldaten-Synthetische-KontrollmethodeKausale Inferenz↔ compare
- Synthetische Kontrollmethode (SCM)Kausale Inferenz↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →