Regression modelQuasi-experimental / causal inference
機械学習拡張イベントスタディデザイン
機械学習拡張イベントスタディデザインは、標準的なイベントスタディフレームワーク（処置日周辺のアウトカム動態を追跡する）と、高次元共変量を処理し、交絡因子制御を改善し、共変量空間が従来の回帰では信頼性をもって管理するには大きすぎる場合に有効な因果推論を生成するために、二重／脱バイアス機械学習（DML）や正則化回帰などのMLベースの手法を組み合わせたものです。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Machine Learning-Augmented Event Study Design. ScholarGate. https://scholargate.app/ja/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.
Compare side by side →