تقدير التعزيز المزدوج المعزز بالتعلم الآلي (ML-DR)
يجمع تقدير التعزيز المزدوج المعزز بالتعلم الآلي (ML-DR) بين استراتيجية تحديد الهوية المعززة المزدوجة الكلاسيكية (AIPW) ونماذج التعلم الآلي المرنة للوظائف المزعجة — درجة الميل وانحدار النتائج. والنتيجة هي مقدر سببي يكون متسقًا إذا تم تحديد أي مكون من مكونات التعلم الآلي بشكل صحيح، ويحقق استدلالًا صالحًا بمعدل جذر n حتى عندما يتم تقدير نماذج الوظائف المزعجة باستخدام تنظيم عالي الأبعاد أو متعلمين غير بارامترية.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- 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 ↗
- Farrell, M. H., Liang, T., & Misra, S. (2021). Deep Neural Networks for Estimation and Inference. Econometrica, 89(1), 181-213. DOI: 10.3982/ECTA16901 ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Machine Learning-Augmented Doubly Robust Estimation. ScholarGate. https://scholargate.app/ar/causal-inference/machine-learning-augmented-doubly-robust-estimation
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.
- الفرق في الفروق (Diff-in-Diff)الاقتصاد القياسي↔ compare
- التقدير المتين المزدوج (AIPW)الاستدلال السببي↔ compare
- الترجيح الاحتمالي العكسي (IPW / IPTW)الاستدلال السببي↔ compare
- مطابقة درجات الميل المعززة بالتعلم الآليالاستدلال السببي↔ compare
- نموذج الهياكل الهامشية (MSM)الاستدلال السببي↔ compare
- الترجيح بالدرجة الميولية (PSW / IPW)الاستدلال السببي↔ compare