Дизайн подійного дослідження, доповнений машинним навчанням
Дизайн подійного дослідження, доповнений машинним навчанням, поєднує стандартну структуру подійного дослідження — яка відстежує динаміку результатів навколо дати події — з методами на основі машинного навчання (МН), такими як подвійне/деупереджене машинне навчання (DML) або регуляризована регресія, для обробки багатовимірних коваріат, покращення контролю за змішуючими факторами та отримання достовірних причинно-наслідкових оцінок, коли простір коваріат занадто великий для надійного управління за допомогою звичайної регресії.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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. DOI: 10.1111/ectj.12097 ↗
- Athey, S., & Imbens, G. W. (2022). Design-based analysis in difference-in-differences settings with staggered adoption. Journal of Econometrics, 226(1), 62-79. DOI: 10.1016/j.jeconom.2020.10.012 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Machine Learning-Augmented Event Study Design. ScholarGate. https://scholargate.app/uk/causal-inference/machine-learning-augmented-event-study-design
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.
- Різниця різниць (Diff-in-Diff)Економетрика↔ compare
- Динамічний метод різниці різницьПричинно-наслідковий висновок↔ compare
- Панельне дослідження подійПричинно-наслідковий висновок↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →