Regression modelQuasi-experimental / causal inference
機械学習拡張合成コントロール法
機械学習拡張合成コントロール法は、ペナルティ付き回帰や、lasso、ridge、ランダムフォレストなどの他の機械学習アルゴリズムを用いてドナーの重み付けを構築し、介入前の結果軌跡をモデル化することにより、古典的な合成コントロール推定量（synthetic control estimator）を拡張するものである。この拡張は、標準的な重み付けステップで残存する不均衡を修正し、完璧な合成コントロールが存在しない場合にバイアスを低減させる。
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
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Machine Learning-Augmented Synthetic Control Method. ScholarGate. https://scholargate.app/ja/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.
- 因果影響分析因果推論↔ compare
- 差分の差 (Difference-in-Differences, DiD)計量経済学↔ compare
- 機械学習拡張差分-イン-差分（ML-DiD）因果推論↔ compare
- パネルデータ合成制御法因果推論↔ compare
- 合成コントロール法（SCM）因果推論↔ compare