Registro de evidência do método

Machine learning-augmented difference-in-differences

Machine learning-augmented DiD combines the classic difference-in-differences identification strategy with flexible ML estimators for nuisance functions — the propensity score and the outcome regression — to obtain valid causal estimates even when treatment selection and outcome dynamics are complex, high-dimensional, or nonlinear. The approach, rooted in double/debiased machine learning (Chernozhukov et al., 2018) and doubly-robust DiD (Sant'Anna & Zhao, 2020), guards against misspecification bias while preserving the core DiD logic of before-after, treated-versus-control comparisons.

Sources recorded, not reviewed

Registro de origem

Citações copiadas literalmente do registro de origem do método. Nenhuma verificação em nível de alegação é inferida delas.

Machine Learning-Augmented Difference-in-Differences Estimator

Registro de método taxonômico · regression-model / causal-inference

Abrir método completo

Alegações curadas

Alegações persistidas no livro-razão de evidências, cada uma com sua própria avaliação.

Ainda não há alegações curadas

Esta visualização não inventa uma avaliação de alegação quando o livro-razão não a possui.

Métodos relacionados

Gerado a partir do grafo de métodos e mostrado como relações sugeridas por máquina — nenhuma alegação de evidência é inferida.

Same method familyDifference-in-Differencesmachine-suggested · Relational suggestion, not evidence.Same method familyDoubly Robust Estimationmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketDynamic Difference-in-Differencesmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketHeterogeneous Treatment Effect Difference-in-Differencesmachine-suggested · Relational suggestion, not evidence.See alsoPropensity Score Matchingmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketSynthetic Control Methodmachine-suggested · Relational suggestion, not evidence.