Mašīnmācīšanās papildinātā sintētiskā kontroles metode
Mašīnmācīšanās papildinātā sintētiskā kontroles metode paplašina klasisko sintētiskās kontroles novērtētāju, izmantojot penalizētu regresiju vai citus ML algoritmus — piemēram, lasso, riedžu vai nejaušos mežus — lai konstruētu donoru svarus un modelētu pirmsintervences iznākuma trajektorijas. Papildinājums koriģē atlikušo nelīdzsvarotību, ko atstāj standarta svēršanas solis, nodrošinot mazāku novirzi, ja nav ideālas sintētiskās kontroles.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Machine Learning-Augmented Synthetic Control Method. ScholarGate. https://scholargate.app/lv/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.
- Kausaālās ietekmes analīzeCēloņsakarību secināšana↔ compare
- Diferenču starpībām (Diff-in-Diff)Ekonometrija↔ compare
- Mašīnmācības papildinātā atšķiršanās divos veidos (ML-DiD)Cēloņsakarību secināšana↔ compare
- Panel Data Synthetic Control MethodCēloņsakarību secināšana↔ compare
- Sintētiskās kontroles metode (SCM)Cēloņsakarību secināšana↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →