Design de studiu de eveniment augmentat prin învățare automată
Designul de studiu de eveniment augmentat prin învățare automată combină cadrul standard al studiului de eveniment — care urmărește dinamica rezultatelor în jurul unei date de tratament — cu metode bazate pe ML, cum ar fi învățarea automată dublă/debiasată (DML) sau regresia regularizată, pentru a gestiona covariabilele de înaltă dimensionalitate, a îmbunătăți controlul factorilor de confuzie și a produce estimări cauzale valide atunci când spațiul covariabilelor este prea mare pentru ca regresia convențională să îl gestioneze în mod fiabil.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Harta metodelor
Vecinătatea metodelor înrudite — selectați un nod pentru a explora.
Surse
- 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 ↗
- Athey, S., & Imbens, G. W. (2022). Design-based analysis in difference-in-differences settings with staggered adoption. Journal of Econometrics, 226(1), 62-79. DOI: 10.1016/j.jeconom.2020.10.012 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Machine Learning-Augmented Event Study Design. ScholarGate. https://scholargate.app/ro/causal-inference/machine-learning-augmented-event-study-design
Ce metodă?
Așezați această metodă lângă cele mai apropiate rude și citiți-le alăturat — biblioteca pune cărțile pe masă; alegerea vă aparține.
- Difference-in-Differences (Diff-in-Diff)Econometrie↔ compară
- Diferențe în Diferențe DinamiceInferență cauzală↔ compară
- Studiu de eveniment pe panelInferență cauzală↔ compară
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →