เปรียบเทียบวิธี

	การประเมินผลกระทบเชิงโต้กลับที่เสริมด้วยแมชชีนเลิร์นนิง	ระเบียบวิธีสังเคราะห์การควบคุม (Synthetic Control Method - SCM)
สาขาวิชา	การอนุมานเชิงสาเหตุ	การอนุมานเชิงสาเหตุ
ตระกูล	Regression model	Regression model
ปีกำเนิด	2016-2019	2003–2010
ผู้ริเริ่ม	Chernozhukov et al.; Athey & Imbens	Alberto Abadie & Javier Gardeazabal (2003); Abadie, Diamond & Hainmueller (2010)
ประเภท	Causal inference / ML-augmented evaluation	Quasi-experimental causal inference
แหล่งต้นตำรับ	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.	Abadie, A., Diamond, A., & Hainmueller, J. (2010). Synthetic Control Methods for Comparative Case Studies: Estimating the Effect of California's Tobacco Control Program. Journal of the American Statistical Association, 105(490), 493-505.
ชื่อเรียกอื่น	ML-augmented counterfactual evaluation, ML-CIE, causal ML impact evaluation, double ML counterfactual evaluation	SCM, synthetic control, synth estimator, Abadie-Diamond-Hainmueller method
ที่เกี่ยวข้อง	5	4
สรุป	Machine learning-augmented counterfactual impact evaluation combines the credibility of potential-outcomes causal inference with the flexibility of modern ML algorithms. Rather than imposing parametric functional forms for confounders, ML learners — such as lasso, random forests, or neural nets — estimate nuisance functions (propensity scores, outcome regressions) that are then used to construct approximately unbiased estimates of causal effects. The canonical instantiation is Double/Debiased Machine Learning (DML), formalized by Chernozhukov et al. (2018).	The Synthetic Control Method estimates the causal effect of a treatment or policy on a single treated unit by constructing a weighted combination of untreated units — the synthetic control — that closely resembles the treated unit before the intervention. The gap between the treated unit and its synthetic counterpart after the intervention is the estimated treatment effect.