เปรียบเทียบวิธี

	ระเบียบวิธีควบคุมสังเคราะห์เสริมด้วยแมชชีนเลิร์นนิง	ระเบียบวิธีควบคุมสังเคราะห์ข้อมูลแบบแผง (Panel Data Synthetic Control Method)
สาขาวิชา	การอนุมานเชิงสาเหตุ	การอนุมานเชิงสาเหตุ
ตระกูล	Regression model	Regression model
ปีกำเนิด	2021	2010
ผู้ริเริ่ม	Ben-Michael, Feller & Rothstein	Alberto Abadie, Alexis Diamond & Jens Hainmueller
ประเภท	Causal inference / quasi-experimental	Causal inference / panel data
แหล่งต้นตำรับ	Ben-Michael, E., Feller, A., & Rothstein, J. (2021). The augmented synthetic control method. Journal of the American Statistical Association, 116(536), 1789-1803.	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 SCM, augmented synthetic control, ASC, penalized synthetic control	SCM panel, panel synthetic control, synthetic control estimator, comparative case study
ที่เกี่ยวข้อง	5	5
สรุป	The machine learning-augmented synthetic control method extends the classical synthetic control estimator by using penalized regression or other ML algorithms — such as lasso, ridge, or random forests — to construct the donor weights and to model pre-treatment outcome trajectories. The augmentation corrects for residual imbalance left by the standard weighting step, yielding lower bias when no perfect synthetic control exists.	The panel data synthetic control method estimates the causal effect of an intervention on a single treated unit by constructing a data-driven weighted combination of untreated units — a synthetic control — that best reproduces the treated unit's pre-treatment outcome trajectory. The post-treatment gap between the treated unit and its synthetic counterpart is the estimated treatment effect.