تقدير التأثيرات العلاجية غير المتجانسة المزدوجة المتينة
يقدر التقدير المزدوج المتين لتأثيرات العلاج غير المتجانسة (HTE) كيف يختلف التأثير السببي للعلاج عبر مجموعات فرعية أو قيم سمات فردية. من خلال الجمع بين نموذج النتائج ونموذج درجة الميل، فإنه يحتفظ بالاتساق إذا تم تحديد أي من النموذجين بشكل صحيح، ويدعم مقدرات مزعجة مرنة للتعلم الآلي من خلال التجهيز المتقاطع لإنتاج تقديرات صالحة لمتوسط التأثير العلاجي الشرطي (CATE).
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
خريطة المناهج
محيط المناهج ذات الصلة — اختر عقدةً للاستكشاف.
المصادر
- Kennedy, E. H. (2023). Towards optimal doubly robust estimation of heterogeneous causal effects. Electronic Journal of Statistics, 17(2), 3008-3049. DOI: 10.1214/23-EJS2157 ↗
- 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 ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Doubly Robust Estimation of Heterogeneous Treatment Effects. ScholarGate. https://scholargate.app/ar/causal-inference/heterogeneous-treatment-effect-doubly-robust-estimation
أيُّ منهج؟
ضع هذا المنهج إلى جانب أقرب نظائره واقرأهما جنباً إلى جنب — المكتبة تضع الكتب على الطاولة، والاختيار لك.
- التقدير المتين المزدوج (AIPW)الاستدلال السببي↔ قارن
- الترجيح الاحتمالي العكسي (IPW / IPTW)الاستدلال السببي↔ قارن
- تقدير التعزيز المزدوج المعزز بالتعلم الآلي (ML-DR)الاستدلال السببي↔ قارن
- نموذج الهياكل الهامشية (MSM)الاستدلال السببي↔ قارن
- الترجيح بالدرجة الميولية (PSW / IPW)الاستدلال السببي↔ قارن