Sintetička kontrolna metoda proširena strojnim učenjem
Metoda sintetičke kontrole proširena strojnim učenjem proširuje klasični sintetički kontrolni procjenitelj korištenjem penalizirane regresije ili drugih algoritama strojnog učenja — kao što su lasso, ridge ili slučajne šume — za konstruiranje donorskih težina i modeliranje putanja ishoda prije intervencije. Proširenje ispravlja zaostalu neravnotežu preostalu nakon standardnog koraka ponderiranja, što rezultira nižim pristranošću kada ne postoji savršena sintetička kontrola.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Machine Learning-Augmented Synthetic Control Method. ScholarGate. https://scholargate.app/hr/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.
- Analiza uzročnog utjecajaUzročno zaključivanje↔ compare
- Metoda razlika u razlikama (engl. Difference-in-Differences, DiD)Ekonometrija↔ compare
- Uvećani razlika-u-razlici (ML-DiD) potpomognut strojnim učenjemUzročno zaključivanje↔ compare
- Metoda sintetičke kontrole za panelne podatkeUzročno zaključivanje↔ compare
- Metoda sintetičke kontrole (SCM)Uzročno zaključivanje↔ compare
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →