Progettazione di studi di eventi aumentata con machine learning
La progettazione di studi di eventi aumentata con machine learning combina il quadro standard dello studio di eventi — che traccia le dinamiche dei risultati attorno a una data di trattamento — con metodi basati su ML come il double/debiased machine learning (DML) o la regressione regolarizzata per gestire covariate ad alta dimensionalità, migliorare il controllo dei confondenti e produrre stime causali valide quando lo spazio delle covariate è troppo ampio per essere gestito in modo affidabile dalla regressione convenzionale.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
- Athey, S., & Imbens, G. W. (2022). Design-based analysis in difference-in-differences settings with staggered adoption. Journal of Econometrics, 226(1), 62-79. DOI: 10.1016/j.jeconom.2020.10.012 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Machine Learning-Augmented Event Study Design. ScholarGate. https://scholargate.app/it/causal-inference/machine-learning-augmented-event-study-design
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.
- Difference-in-Differences (Diff-in-Diff)Econometria↔ compare
- Dynamic Difference-in-DifferencesInferenza causale↔ compare
- Panel Event StudyInferenza causale↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →