ScholarGate
Asistent
Regression modelQuasi-experimental / causal inference

Proširena panelna studija događaja s pomoću strojnog učenja

Proširena panelna studija događaja s pomoću strojnog učenja nadograđuje klasičnu panelnu studiju događaja zamjenom ili dopunom parametarskih protutvornih modela procjeniteljima strojnog učenja — kao što su LASSO, slučajne šume ili dovršavanje matrica — radi konstruiranja točnijih pretkriznih osnovnih linija, otkrivanja kršenja paralelnih trendova i dobivanja valjanih procjena uzročno-posljedičnih učinaka u više razdoblja nakon događaja.

Otvorite u MethodMindUskoroVideoUskoroPreuzmi prezentaciju

Pročitajte cijelu metodu

Samo za članove

Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.

Prijavite se

Karta metoda

Okruženje srodnih metoda — odaberite čvor za istraživanje.

Proširena panelna studija događaja s pomoću strojnog učenja
Metoda razlika u razlika…Model s fiksnim učincima…Metoda sintetičke kontro…

Izvori

  1. Chernozhukov, V., Wuthrich, K., & Zhu, Y. (2021). An Exact and Robust Conformal Inference Method for Counterfactual and Synthetic Controls. Journal of the American Statistical Association, 116(536), 1849-1864. DOI: 10.1080/01621459.2021.1920957
  2. Freyaldenhoven, S., Hansen, C., & Shapiro, J. M. (2019). Pre-event Trends in the Panel Event-Study Design. American Economic Review, 109(9), 3307-3338. DOI: 10.1257/aer.20180609

Kako citirati ovu stranicu

ScholarGate. (2026, June 3). Machine Learning-Augmented Panel Event Study Estimator. ScholarGate. https://scholargate.app/hr/causal-inference/machine-learning-augmented-panel-event-study

Koja metoda?

Postavite ovu metodu uz njoj najsrodnije i pročitajte ih jednu uz drugu — knjižnica vam knjige stavlja na stol; izbor je na vama.

Usporedi jedno uz drugo
ScholarGateMachine Learning-Augmented Panel Event Study (Machine Learning-Augmented Panel Event Study Estimator). Preuzeto 2026-06-15 s https://scholargate.app/hr/causal-inference/machine-learning-augmented-panel-event-study · Skup podataka: https://doi.org/10.5281/zenodo.20539026