A gépi tanulással kiegészített szintetikus kontroll módszer
A gépi tanulással kiegészített szintetikus kontroll módszer a klasszikus szintetikus kontroll becslő kiterjesztése, amely büntetéssel sújtott regressziót vagy más ML algoritmusokat – mint például a lasszó, a ridge vagy a random forest – használ a donor súlyok konstrukciójához és az előkezelési kimeneti trajektóriák modellezéséhez. A kiegészítés korrigálja a standard súlyozási lépés által hátrahagyott maradék egyensúlyhiányt, csökkentve az elfogultságot, amikor nem létezik tökéletes szintetikus kontroll.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Módszertérkép
A rokon módszerek környezete — válasszon ki egy csomópontot a felfedezéshez.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Machine Learning-Augmented Synthetic Control Method. ScholarGate. https://scholargate.app/hu/causal-inference/machine-learning-augmented-synthetic-control-method
Melyik módszer?
Állítsa e módszert a hozzá legközelebb álló rokonai mellé, és olvassa őket egymás mellett — a könyvtár az asztalra teszi a könyveket; a választás az Öné.
- Kauzalitási hatás elemzéseOksági következtetés↔ összehasonlítás
- A különbség-különbségek (Diff-in-Diff) módszerÖkonometria↔ összehasonlítás
- Gépi tanulással kiegészített különbség-a-különbségekben (ML-DiD)Oksági következtetés↔ összehasonlítás
- Panel Data Szintetikus Kontroll MódszerOksági következtetés↔ összehasonlítás
- Szintetikus kontroll módszer (SCM)Oksági következtetés↔ összehasonlítás
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →