ระเบียบวิธีควบคุมสังเคราะห์เสริมด้วยแมชชีนเลิร์นนิง
ระเบียบวิธีควบคุมสังเคราะห์เสริมด้วยแมชชีนเลิร์นนิง (Machine Learning-Augmented Synthetic Control Method) เป็นการต่อยอดตัวประมาณค่าควบคุมสังเคราะห์แบบดั้งเดิม โดยใช้วิธีการถดถอยแบบมีบทลงโทษ (penalized regression) หรืออัลกอริทึมแมชชีนเลิร์นนิงอื่น ๆ เช่น lasso, ridge, หรือ random forests เพื่อสร้างค่าน้ำหนักของหน่วยผู้บริจาค (donor weights) และเพื่อจำลองแนวโน้มผลลัพธ์ช่วงก่อนการบำบัดรักษา (pre-treatment outcome trajectories) การเสริมนี้ช่วยแก้ไขความไม่สมดุลที่เหลืออยู่จากขั้นตอนการถ่วงน้ำหนักแบบมาตรฐาน ทำให้เกิดอคติที่ต่ำลงเมื่อไม่มีการควบคุมสังเคราะห์ที่สมบูรณ์แบบ
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Ben-Michael, E., Feller, A., & Rothstein, J. (2021). The augmented synthetic control method. Journal of the American Statistical Association, 116(536), 1789-1803. DOI: 10.1080/01621459.2021.1929245 ↗
- Abadie, A. (2021). Using synthetic controls: Feasibility, data requirements, and methodological aspects. Journal of Economic Literature, 59(2), 391-425. DOI: 10.1257/jel.20191450 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Machine Learning-Augmented Synthetic Control Method. ScholarGate. https://scholargate.app/th/causal-inference/machine-learning-augmented-synthetic-control-method
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.
- การวิเคราะห์ผลกระทบเชิงสาเหตุการอนุมานเชิงสาเหตุ↔ compare
- Difference-in-Differences (DiD)เศรษฐมิติ↔ compare
- Machine Learning-Augmented Difference-in-Differences (ML-DiD)การอนุมานเชิงสาเหตุ↔ compare
- ระเบียบวิธีควบคุมสังเคราะห์ข้อมูลแบบแผง (Panel Data Synthetic Control Method)การอนุมานเชิงสาเหตุ↔ compare
- ระเบียบวิธีสังเคราะห์การควบคุม (Synthetic Control Method - SCM)การอนุมานเชิงสาเหตุ↔ compare