Maskininlärningsförstärkt syntetisk kontrollmetod

Den maskininlärningsförstärkta syntetiska kontrollmetoden utökar den klassiska syntetiska kontrollskattaren genom att använda penaliserad regression eller andra ML-algoritmer – såsom lasso, ridge eller random forests – för att konstruera donatorvikterna och modellera utfallsbanor före behandling. Förstärkningen korrigerar för kvarvarande obalans som standardviktningssteget lämnar, vilket ger lägre bias när ingen perfekt syntetisk kontroll existerar.