تحليل الحساسية المعزز بالتعلم الآلي للسببية
يجمع تحليل الحساسية المعزز بالتعلم الآلي بين مقدرات التعلم الآلي المرنة وفحوصات المتانة الرسمية لتقييم مقدار الارتباك غير المقاس المطلوب لعكس نتيجة سببية. متجذرًا في إطار التعلم الآلي المزدوج/المُخفف للأخطاء لـ Chernozhukov وآخرون وأدوات حساسية المتغير المحذوف لـ Cinelli و Hazlett، فإنه يوفر كلاً من تعديل المتغيرات المساعدة عالية الأبعاد والتواصل الشفاف لعدم اليقين المتبقي بشأن المتغيرات المربكة غير المرصودة.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Cinelli, C., & Hazlett, C. (2020). Making sense of sensitivity: extending omitted variable bias. Journal of the Royal Statistical Society: Series B (Statistical Methodology), 82(1), 39-67. DOI: 10.1111/rssb.12348 ↗
- 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). Machine Learning-Augmented Sensitivity Analysis for Causal Inference. ScholarGate. https://scholargate.app/ar/causal-inference/machine-learning-augmented-sensitivity-analysis-for-causality
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
- طريقة المتغيرات الآلية (IV) للاستدلال السببياقتصاديات الصحة↔ compare
- مطابقة درجات الميلإحصاء البحث↔ compare
- تصميم الانحدار المقطوع (RDD)الاستدلال السببي↔ compare
- المنهجية التركيبية للتحكم (SCM)الاستدلال السببي↔ compare