Phương pháp Kiểm soát Tổng hợp Tăng cường Học máy
Phương pháp kiểm soát tổng hợp tăng cường học máy mở rộng ước lượng kiểm soát tổng hợp cổ điển bằng cách sử dụng hồi quy có phạt hoặc các thuật toán ML khác — như lasso, ridge, hoặc random forests — để xây dựng trọng số nhà tài trợ và mô hình hóa quỹ đạo kết quả trước can thiệp. Việc tăng cường khắc phục sự mất cân bằng còn sót lại từ bước trọng số tiêu chuẩn, mang lại độ chệch thấp hơn khi không có kiểm soát tổng hợp hoàn hảo.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Bản đồ phương pháp
Lân cận của các phương pháp liên quan — chọn một nút để khám phá.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Machine Learning-Augmented Synthetic Control Method. ScholarGate. https://scholargate.app/vi/causal-inference/machine-learning-augmented-synthetic-control-method
Phương pháp nào?
Đặt phương pháp này bên cạnh những phương pháp gần gũi nhất với nó và đọc chúng song song — thư viện bày sách lên bàn; lựa chọn là của bạn.
- Phân tích Tác động Nhân quảSuy luận nhân quả↔ so sánh
- Phương pháp Sai phân kép (Difference-in-Differences - DiD)Kinh tế lượng↔ so sánh
- Difference-in-Differences (DiD) tăng cường bằng Học máy (ML-DiD)Suy luận nhân quả↔ so sánh
- Phương pháp Kiểm soát Tổng hợp Dữ liệu BảngSuy luận nhân quả↔ so sánh
- Phương pháp Kiểm soát Tổng hợp (SCM)Suy luận nhân quả↔ so sánh
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →