เปรียบเทียบวิธี

	การศึกษาเหตุการณ์แบบแผงที่เสริมด้วยการเรียนรู้ของเครื่อง	ระเบียบวิธีสังเคราะห์หน่วยควบคุม (Synthetic Control Method: SCM)
สาขาวิชา	การอนุมานเชิงสาเหตุ	การอนุมานเชิงสาเหตุ
ตระกูล	Regression model	Regression model
ปีกำเนิด	2019-2021	2010
ผู้ริเริ่ม	Chernozhukov, Wuthrich & Zhu; Freyaldenhoven, Hansen & Shapiro (parallel developments)	Abadie, Diamond & Hainmueller
ประเภท	Causal inference / quasi-experimental	Counterfactual causal-inference model
แหล่งต้นตำรับ	Chernozhukov, V., Wuthrich, K., & Zhu, Y. (2021). An Exact and Robust Conformal Inference Method for Counterfactual and Synthetic Controls. Journal of the American Statistical Association, 116(536), 1849-1864.	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 event study, ML event study, panel event study with ML, machine learning event study	synthetic control method, SCM, synthetic counterfactual, Sentetik Kontrol Yöntemi (SCM)
ที่เกี่ยวข้อง	3	5
สรุป	The machine learning-augmented panel event study extends the classical panel event study by replacing or augmenting parametric counterfactual models with machine learning estimators — such as LASSO, random forests, or matrix completion — to construct more accurate pre-event baselines, detect violations of parallel trends, and produce valid causal effect estimates across multiple post-event periods.	The Synthetic Control Method, introduced by Abadie, Diamond and Hainmueller in 2010, builds a weighted counterfactual for a single treated unit from a pool of untreated donor units. It is widely regarded as the gold standard for evaluating large policy interventions, natural experiments, and N=1 case studies where no obvious comparison unit exists.