Μηχανική Μάθηση-Ενισχυμένη Μέθοδος Συνθετικού Ελέγχου
Η μέθοδος συνθετικού ελέγχου ενισχυμένη με μηχανική μάθηση επεκτείνει τον κλασικό εκτιμητή συνθετικού ελέγχου χρησιμοποιώντας τιμωρημένη παλινδρόμηση ή άλλους αλγορίθμους ΜΜ — όπως lasso, ridge, ή τυχαία δάση — για την κατασκευή των βαρών των δοτών και τη μοντελοποίηση των τροχιών του αποτελέσματος πριν την παρέμβαση. Η ενίσχυση διορθώνει την υπολειμματική ανισορροπία που αφήνει το τυπικό βήμα στάθμισης, αποδίδοντας χαμηλότερη μεροληψία όταν δεν υπάρχει τέλειος συνθετικός έλεγχος.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Χάρτης μεθόδων
Η γειτονιά των σχετιζόμενων μεθόδων — επιλέξτε έναν κόμβο για εξερεύνηση.
Πηγές
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Machine Learning-Augmented Synthetic Control Method. ScholarGate. https://scholargate.app/el/causal-inference/machine-learning-augmented-synthetic-control-method
Ποια μέθοδος;
Τοποθετήστε αυτή τη μέθοδο δίπλα στις πιο συγγενείς της και διαβάστε τις παράλληλα — η βιβλιοθήκη απλώνει τα βιβλία στο τραπέζι· η επιλογή είναι δική σας.
- Ανάλυση Αιτιώδους ΕπίπτωσηςΑιτιακή Συμπερασματολογία↔ σύγκριση
- Difference-in-Differences (Diff-in-Diff)Οικονομετρία↔ σύγκριση
- Μηχανική Μάθηση-Ενισχυμένη Διαφορές-στις-Διαφορές (ML-DiD)Αιτιακή Συμπερασματολογία↔ σύγκριση
- Μέθοδος Συνθετικού Ελέγχου Δεδομένων ΠάνελΑιτιακή Συμπερασματολογία↔ σύγκριση
- Μέθοδος Συνθετικού Ελέγχου (SCM)Αιτιακή Συμπερασματολογία↔ σύγκριση
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →