Regression modelQuasi-experimental / causal inference

Différence-en-différences (DiD) augmentée par apprentissage automatique (ML-DiD)

Le ML-DiD combine la stratégie d'identification classique de la différence-en-différences avec des estimateurs ML flexibles pour les fonctions auxiliaires — le score de propension et la régression des résultats — afin d'obtenir des estimations causales valides, même lorsque la sélection du traitement et la dynamique des résultats sont complexes, de haute dimension ou non linéaires. L'approche, ancrée dans l'apprentissage automatique doublement/débiaisé (double/debiased machine learning, DML) (Chernozhukov et al., 2018) et le DiD doublement robuste (doubly-robust DiD) (Sant'Anna & Zhao, 2020), protège contre les biais de mauvaise spécification tout en préservant la logique fondamentale du DiD : comparaisons avant-après, traités par rapport aux contrôles.

Ouvrir dans MethodMindBientôtVidéoBientôtDownload slides

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Method map

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

Sources

  1. 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
  2. Callaway, B., & Sant'Anna, P. H. C. (2021). Difference-in-Differences with multiple time periods. Journal of Econometrics, 225(2), 200-230. DOI: 10.1016/j.jeconom.2020.12.001

Comment citer cette page

ScholarGate. (2026, June 3). Machine Learning-Augmented Difference-in-Differences Estimator. ScholarGate. https://scholargate.app/fr/causal-inference/machine-learning-augmented-difference-in-differences

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

Référencée par

ScholarGateMachine learning-augmented difference-in-differences (Machine Learning-Augmented Difference-in-Differences Estimator). Consulté le 2026-06-15 sur https://scholargate.app/fr/causal-inference/machine-learning-augmented-difference-in-differences · Jeu de données : https://doi.org/10.5281/zenodo.20539026