Regression modelQuasi-experimental / causal inference
머신러닝 증강 합성 통제법
머신러닝 증강 합성 통제법은 페널티 회귀 또는 lasso, ridge, random forest와 같은 다른 ML 알고리즘을 사용하여 기증자 가중치를 구성하고 시점 전 결과 궤적을 모델링함으로써 고전적 합성 통제 추정량을 확장합니다. 이 증강은 표준 가중치 단계에서 남은 잔차 불균형을 보정하여 완벽한 합성 통제가 존재하지 않을 때 편향을 줄입니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Machine Learning-Augmented Synthetic Control Method. ScholarGate. https://scholargate.app/ko/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.
- 인과 충격 분석인과추론↔ compare
- 이중차분법 (Diff-in-Diff)계량경제학↔ compare
- Machine Learning-Augmented Difference-in-Differences (ML-DiD)인과추론↔ compare
- 패널 데이터 합성 통제법인과추론↔ compare
- 합성 통제 방법 (SCM)인과추론↔ compare