הבדלים-בהבדלים (DiD) מוגבר בלמידת מכונה (ML-DiD)
ML-DiD משלב את אסטרטגיית הזיהוי הקלאסית של הבדלים-בהבדלים עם אומדני ML גמישים לפונקציות מטרד — ציון הנטייה ורגרסיית התוצאה — כדי לקבל אומדנים סיבתיים תקפים גם כאשר בחירת הטיפול ודינמיקת התוצאה מורכבות, רב-ממדיות או לא-לינאריות. הגישה, המושרשת בלמידת מכונה כפולה/מנוטרלת (Chernozhukov et al., 2018) ו-DiD כפול-עמיד (Sant'Anna & Zhao, 2020), מגינה מפני הטיית מפרט שגוי תוך שמירה על ההיגיון המרכזי של DiD של השוואות לפני-אחרי, מטופל-לעומת-ביקורת.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- 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 ↗
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Machine Learning-Augmented Difference-in-Differences Estimator. ScholarGate. https://scholargate.app/he/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.
- הפרש-בהפרשים (דיד)אקונומטריקה↔ compare
- אמידה חסונה כפולה (AIPW)הסקה סיבתית↔ compare
- הפרש-הפרשים דינמיהסקה סיבתית↔ compare
- הבדלים-בהבדלים (DiD) של אפקט טיפול הטרוגני (HTE-DiD)הסקה סיבתית↔ compare
- התאמת ציון נטייהסטטיסטיקה למחקר↔ compare
- שיטת הבקרה הסינתטית (SCM)הסקה סיבתית↔ compare