Машинное обучение в дизайне событийных исследований
Дизайн событийных исследований, дополненный машинным обучением, сочетает стандартную структуру событийного исследования — отслеживающую динамику результатов вокруг даты воздействия — с методами машинного обучения, такими как двойное/смещенное машинное обучение (DML) или регуляризованная регрессия, для работы с высокоразмерными ковариатами, улучшения контроля над конфаундерами и получения достоверных причинно-следственных оценок, когда пространство ковариат слишком велико для надежного управления традиционными регрессионными методами.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Machine Learning-Augmented Event Study Design. ScholarGate. https://scholargate.app/ru/causal-inference/machine-learning-augmented-event-study-design
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.
- Разность разностей (Difference-in-Differences, DiD)Эконометрика↔ compare
- Динамический метод разностей-разностейПричинно-следственный вывод↔ compare
- Панельное событийно-ориентированное исследованиеПричинно-следственный вывод↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →