Dizajni i Studimit të Ngjarjes i Plotësuar me Mësimin Makinerik
Dizajni i studimit të ngjarjes i plotësuar me mësimin makinerik kombinon kuadrin standard të studimit të ngjarjes — i cili gjurmon dinamikën e rezultateve rreth një date trajtimi — me metoda të bazuara në ML siç janë mësimi dyfish/debiased (DML) ose regresioni i rregulluar për të trajtuar kovariatët me dimensionalitet të lartë, për të përmirësuar kontrollin e konfunderëve dhe për të prodhuar vlerësime kauzale valide kur hapësira e kovariatëve është shumë e madhe për regresionin konvencional për t'u menaxhuar në mënyrë të besueshme.
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Harta e metodave
Lagjja e metodave të lidhura — zgjidhni një nyje për të eksploruar.
Burimet
- 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 ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 3). Machine Learning-Augmented Event Study Design. ScholarGate. https://scholargate.app/sq/causal-inference/machine-learning-augmented-event-study-design
Cila metodë?
Vendoseni këtë metodë pranë të afërmeve të saj më të ngushta dhe lexojini krah për krah — biblioteka i shtron librat mbi tryezë; zgjedhja është e juaja.
- Diferenca-në-Diferenca (Diff-in-Diff)Ekonometri↔ krahaso
- Diferenca Dinamike e DiferencaveInferenca kauzale↔ krahaso
- Studim Paneli i NgjarjesInferenca kauzale↔ krahaso
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →