Regression modelQuasi-experimental / causal inference

روش کنترل ترکیبی قوی

روش کنترل ترکیبی قوی، برآوردگر کلاسیک کنترل ترکیبی را با ارائه کمی‌سازی عدم قطعیت و استنتاج آماری معتبر گسترش می‌دهد. این روش که توسط کاتانو، فنگ و تیتیونیک (۲۰۲۱) توسعه یافته است، به یک محدودیت اصلی رویکرد اصلی - فقدان فواصل پیش‌بینی رسمی - می‌پردازد و نتیجه‌گیری‌های علی را در صورت مشاهده تنها یک واحد تحت درمان، قابل دفاع‌تر می‌سازد.

باز کردن در MethodMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

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

منابع

  1. Cattaneo, M. D., Feng, Y., & Titiunik, R. (2021). Prediction Intervals for Synthetic Control Methods. Journal of the American Statistical Association, 116(536), 1865-1880. DOI: 10.1080/01621459.2021.1979561
  2. Abadie, A., Diamond, A., & Hainmueller, J. (2015). Comparative Politics and the Synthetic Control Method. American Journal of Political Science, 59(2), 495-510. DOI: 10.1111/ajps.12116

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Robust Synthetic Control Method with Uncertainty Quantification. ScholarGate. https://scholargate.app/fa/causal-inference/robust-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.

Compare side by side
ScholarGateRobust Synthetic Control Method (Robust Synthetic Control Method with Uncertainty Quantification). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/causal-inference/robust-synthetic-control-method · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026