Méthode de contrôle synthétique augmentée par apprentissage automatique
La méthode de contrôle synthétique augmentée par apprentissage automatique étend l'estimateur classique de contrôle synthétique en utilisant la régression pénalisée ou d'autres algorithmes d'apprentissage automatique (ML) — tels que lasso, ridge, ou forêts aléatoires — pour construire les poids des donneurs et modéliser les trajectoires de résultats avant traitement. L'augmentation corrige le déséquilibre résiduel laissé par l'étape de pondération standard, produisant un biais plus faible lorsqu'aucun contrôle synthétique parfait n'existe.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Machine Learning-Augmented Synthetic Control Method. ScholarGate. https://scholargate.app/fr/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.
- Analyse d'impact causalInférence causale↔ compare
- Différence-en-différences (Diff-in-Diff)Économétrie↔ compare
- Différence-en-différences (DiD) augmentée par apprentissage automatique (ML-DiD)Inférence causale↔ compare
- Méthode de contrôle synthétique pour données de panelInférence causale↔ compare
- Méthode du Contrôle Synthétique (MCS)Inférence causale↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →