Uczenie maszynowe wspomagające metodę syntetycznej kontroli
Metoda syntetycznej kontroli wspomagana uczeniem maszynowym rozszerza klasyczny estymator syntetycznej kontroli, wykorzystując regresję z regularyzacją lub inne algorytmy uczenia maszynowego — takie jak lasso, ridge, czy lasy losowe — do konstrukcji wag donorów i modelowania przedinterwencyjnych trajektorii wyników. Augmentacja koryguje resztkową nierównowagę pozostawioną przez standardowy krok ważenia, prowadząc do niższego obciążenia, gdy nie istnieje idealna syntetyczna kontrola.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Machine Learning-Augmented Synthetic Control Method. ScholarGate. https://scholargate.app/pl/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.
- Analiza wpływu przyczynowegoWnioskowanie przyczynowe↔ compare
- Metoda różnic w różnicach (Diff-in-Diff)Ekonometria↔ compare
- Uczenie maszynowe wspomagające metodę różnicy w różnicach (ML-DiD)Wnioskowanie przyczynowe↔ compare
- Metoda syntetycznej grupy kontrolnej dla danych panelowychWnioskowanie przyczynowe↔ compare
- Metoda syntetycznej kontroli (SCM)Wnioskowanie przyczynowe↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →