Regression modelQuasi-experimental / causal inference

Studiul evenimentelor pe panel augmentat cu învățare automată

Studiul evenimentelor pe panel augmentat extinde studiul clasic al evenimentelor pe panel prin înlocuirea sau augmentarea modelelor parametrice contrafactuale cu estimatori de învățare automată — cum ar fi LASSO, păduri aleatorii sau completarea matricială — pentru a construi linii de bază pre-eveniment mai precise, a detecta încălcări ale tendințelor paralele și a produce estimări valide ale efectului cauzal pe mai multe perioade post-eveniment.

Deschide în MethodMindÎn curândVideoÎn curândDownload slides

Citește metoda completă

Doar pentru membri

Autentifică-te cu un cont gratuit pentru a citi această secțiune.

Autentificare

Method map

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

Studiul evenimentelor pe panel augmentat cu învățare automată
Difference-in-Difference…Modelul cu Efecte Fixe p…Metoda de Control Sintet…

Surse

  1. Chernozhukov, V., Wuthrich, K., & Zhu, Y. (2021). An Exact and Robust Conformal Inference Method for Counterfactual and Synthetic Controls. Journal of the American Statistical Association, 116(536), 1849-1864. DOI: 10.1080/01621459.2021.1920957
  2. Freyaldenhoven, S., Hansen, C., & Shapiro, J. M. (2019). Pre-event Trends in the Panel Event-Study Design. American Economic Review, 109(9), 3307-3338. DOI: 10.1257/aer.20180609

Cum se citează această pagină

ScholarGate. (2026, June 3). Machine Learning-Augmented Panel Event Study Estimator. ScholarGate. https://scholargate.app/ro/causal-inference/machine-learning-augmented-panel-event-study

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
ScholarGateMachine Learning-Augmented Panel Event Study (Machine Learning-Augmented Panel Event Study Estimator). Preluat la 2026-06-15 de pe https://scholargate.app/ro/causal-inference/machine-learning-augmented-panel-event-study · Set de date: https://doi.org/10.5281/zenodo.20539026