Koneoppimista hyödyntävä tapahtumatutkimusasetelma
Koneoppimista hyödyntävä tapahtumatutkimusasetelma yhdistää standardin tapahtumatutkimuskehyksen – joka jäljittää tulosten dynamiikkaa hoitoajankohdan ympärillä – koneoppimispohjaisiin menetelmiin, kuten kaksois-/harhaannettuihin koneoppimismenetelmiin (DML) tai regularisoituun regressioon, korkeaulotteisten kovariaattien käsittelyyn, sekoittavien tekijöiden hallinnan parantamiseen ja pätevien kausaalisten estimaattien tuottamiseen, kun kovariaattiavaruus on liian suuri perinteiselle regressiolle luotettavasti hallittavaksi.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Chernozhukov, V., Chetverikov, D., Demirer, M., Duflo, E., Hansen, C., Newey, W., & Robins, J. (2018). Double/debiased machine learning for treatment and structural parameters. The Econometrics Journal, 21(1), C1-C68. DOI: 10.1111/ectj.12097 ↗
- Athey, S., & Imbens, G. W. (2022). Design-based analysis in difference-in-differences settings with staggered adoption. Journal of Econometrics, 226(1), 62-79. DOI: 10.1016/j.jeconom.2020.10.012 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Machine Learning-Augmented Event Study Design. ScholarGate. https://scholargate.app/fi/causal-inference/machine-learning-augmented-event-study-design
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.
- Erojen erot (Diff-in-Diff)Ekonometria↔ compare
- Dynaaminen ero-ero-analyysiKausaalipäättely↔ compare
- PaneelitapahtumatutkimusKausaalipäättely↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →