ScholarGate
助手
Regression modelQuasi-experimental / causal inference

机器学习增强合成控制方法

机器学习增强合成控制方法在经典合成控制估计量的基础上，通过使用惩罚回归或其他机器学习算法（如 Lasso、Ridge 或随机森林）来构建供体权重并模拟处理前结果轨迹，从而对其进行了扩展。这种增强可以纠正标准加权步骤残留的不平衡，在不存在完美合成控制的情况下降低偏差。

在 MethodMind 中打开即将推出视频即将推出下载幻灯片

阅读完整方法

仅限会员

使用免费账户登录即可阅读本节。

登录

方法图谱

相关方法的邻域——选择一个节点以展开探索。

机器学习增强合成控制方法
因果影响分析双重差分法 (Diff-in-Diff)机器学习增强型双重差分法 (ML-DiD)面板数据合成控制方法合成控制法 (SCM)

来源

  1. 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 ↗
  2. 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 ↗

如何引用本页

ScholarGate. (2026, June 3). Machine Learning-Augmented Synthetic Control Method. ScholarGate. https://scholargate.app/zh/causal-inference/machine-learning-augmented-synthetic-control-method

选用哪种方法？

将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。

并排比较 →

发现本页有问题？报告或提出修改建议 →

ScholarGate — Machine Learning-Augmented Synthetic Control Method (Machine Learning-Augmented Synthetic Control Method). 于 2026-06-15 检索自 https://scholargate.app/zh/causal-inference/machine-learning-augmented-synthetic-control-method · 数据集： https://doi.org/10.5281/zenodo.20539026