ScholarGate
Pembantu
Regression modelQuasi-experimental / causal inference

Perbezaan dalam Perbezaan Dipertingkat Pembelajaran Mesin (ML-DiD)

DiD dipertingkat pembelajaran mesin menggabungkan strategi pengenalpastian perbezaan dalam perbezaan klasik dengan penganggar ML fleksibel untuk fungsi gangguan — skor kecenderungan dan regresi hasil — untuk mendapatkan anggaran kausal yang sah walaupun pemilihan rawatan dan dinamik hasil adalah kompleks, berdimensi tinggi, atau tidak linear. Pendekatan ini, yang berakar umbi dalam pembelajaran mesin berganda/tidak berat sebelah (Chernozhukov et al., 2018) dan DiD teguh berganda (Sant'Anna & Zhao, 2020), melindungi daripada bias salah spesifikasi sambil mengekalkan logik teras DiD perbandingan sebelum-selepas, dirawat-berbanding-kawalan.

Buka dalam MethodMindTidak lama lagiVideoTidak lama lagiDownload slides

Baca kaedah sepenuhnya

Ahli sahaja

Log masuk dengan akaun percuma untuk membaca bahagian ini.

Log masuk

Method map

The neighbourhood of related methods — select a node to explore.

Perbezaan dalam Perbezaan Dipertingkat Pembelajaran Mesin (ML-DiD)
Perbezaan-dalam-Perbezaa…Anggaran Keboleh-Teguhan…Perbezaan-dalam-Perbezaa…Perbezaan-dalam-Perbezaa…Padanan Skor Kecenderung…Kaedah Kawalan Sintetik…Siri Masa Terganggu yang…Reka Letak Ketakselanjar…Kaedah Kawalan Sintetik…

Sumber

  1. 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 ↗
  2. Callaway, B., & Sant'Anna, P. H. C. (2021). Difference-in-Differences with multiple time periods. Journal of Econometrics, 225(2), 200-230. DOI: 10.1016/j.jeconom.2020.12.001 ↗

Cara memetik halaman ini

ScholarGate. (2026, June 3). Machine Learning-Augmented Difference-in-Differences Estimator. ScholarGate. https://scholargate.app/ms/causal-inference/machine-learning-augmented-difference-in-differences

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 →

Dirujuk oleh

Siri Masa Terganggu yang Dipertingkat Pembelajaran MesinReka Letak Ketakselanjaran Regresi yang ditambah Pembelajaran Mesin (ML-RDD)Kaedah Kawalan Sintetik Diperkaya Pembelajaran Mesin

Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →

ScholarGate — Machine learning-augmented difference-in-differences (Machine Learning-Augmented Difference-in-Differences Estimator). Dicapai 2026-06-15 daripada https://scholargate.app/ms/causal-inference/machine-learning-augmented-difference-in-differences · Set data: https://doi.org/10.5281/zenodo.20539026