ScholarGate
Asistents
Regression model

Metode sintētiskās kontroles (SCM)

Metode sintētiskās kontroles, ko 2010. gadā ieviesa Abadie, Diamond un Hainmueller, veido svērto kontrafaktuālu vienībai, kas saņēmusi vienu ārstēšanu, no neārstētu vienību kopuma. Tā tiek plaši uzskatīta par zelta standartu liela mēroga politikas intervences, dabisko eksperimentu un N=1 gadījumu pētījumu novērtēšanai, kur nav acīmredzamas salīdzināmas vienības.

Atvērt MethodMindDrīzumāVideoDrīzumāLejupielādēt slaidus

Lasīt pilno metodes aprakstu

Tikai dalībniekiem

Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.

Pieteikties

Metožu karte

Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.

+vēl 2

Avoti

  1. Abadie, A., Diamond, A., & Hainmueller, J. (2010). Synthetic Control Methods for Comparative Case Studies: Estimating the Effect of California's Tobacco Control Program. Journal of the American Statistical Association, 105(490), 493-505. DOI: 10.1198/jasa.2009.ap08746
  2. 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 1). Synthetic Control Method. ScholarGate. https://scholargate.app/lv/causal-inference/synthetic-control

Kura metode?

Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.

Salīdzināt blakus

Uz to atsaucas

ScholarGateSynthetic Control (Synthetic Control Method). Izgūts 2026-06-15 no https://scholargate.app/lv/causal-inference/synthetic-control · Datu kopa: https://doi.org/10.5281/zenodo.20539026