মেশিন লার্নিং-বর্ধিত ফাজি রিগ্রেশন ডিসকন্টিনিউটি ডিজাইন
এমএল-বর্ধিত ফাজি আরডিডি (RDD) ক্লাসিক্যাল ফাজি রিগ্রেশন ডিসকন্টিনিউটি ডিজাইনকে প্যারামেট্রিক পলিনোমিয়াল অ্যাপ্রক্সিমেশনের পরিবর্তে ফ্লেক্সিবল মেশিন লার্নিং এস্টিমেটর ব্যবহার করে প্রসারিত করে। যেখানে স্ট্যান্ডার্ড ফাজি আরডিডি (RDD) অসম্পূর্ণ কমপ্লায়েন্স সহ একটি থ্রেশহোল্ডে আইভি-স্টাইল (IV-style) এস্টিমেশন ব্যবহার করে, সেখানে এমএল-বর্ধিত ভ্যারিয়েন্টটি কাটঅফের কাছাকাছি আউটকাম এবং প্রথম-পর্যায়ের ট্রিটমেন্ট প্রোবাবিলিটি উভয়কেই মডেল করার জন্য র্যান্ডম ফরেস্ট বা নিউরাল নেটওয়ার্কের মতো ননপ্যারামেট্রিক লার্নারদের ব্যবহার করে, যা কার্যকারণ শনাক্তকরণ বজায় রেখে মিসস্পেসিফিকেশন বায়াস হ্রাস করে।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
পদ্ধতি-মানচিত্র
সম্পর্কিত পদ্ধতিসমূহের প্রতিবেশ — অন্বেষণ করতে একটি নোড নির্বাচন করুন।
উৎস
- Hahn, J., Todd, P., & Van der Klaauw, W. (2001). Identification and estimation of treatment effects with a regression-discontinuity design. Review of Economic Studies, 68(1), 201-209. DOI: 10.1111/1468-0262.00183 ↗
- Semenova, V., & Chernozhukov, V. (2021). Debiased machine learning of conditional average treatment effects and other causal functions. The Econometrics Journal, 24(2), 264-289. DOI: 10.1093/ectj/utaa027 ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 3). Machine Learning-Augmented Fuzzy Regression Discontinuity Design. ScholarGate. https://scholargate.app/bn/causal-inference/machine-learning-augmented-fuzzy-regression-discontinuity
কোন পদ্ধতি?
এই পদ্ধতিটিকে তার নিকটতম সমগোত্রীয়দের পাশে রাখুন এবং পাশাপাশি পড়ুন — গ্রন্থাগার বইগুলি টেবিলে সাজিয়ে দেয়; নির্বাচন আপনার।
- ডিফারেন্স-ইন-ডিফারেন্সেস (ডিফ-ইন-ডিফ)অর্থমিতি↔ তুলনা করুন
- দ্বৈতভাবে সুদৃঢ় প্রাক্কলন (AIPW)কার্যকারণ অনুমান↔ তুলনা করুন
- ফাজি রিগ্রেশন ডিসকন্টিনিউটি ডিজাইনকার্যকারণ অনুমান↔ তুলনা করুন
- কারণগত অনুমানের জন্য ইনস্ট্রুমেন্টাল ভ্যারিয়েবলস (IV) পদ্ধতিস্বাস্থ্য অর্থনীতি↔ তুলনা করুন
- মেশিন লার্নিং-অগমেন্টেড রিগ্রেশন ডিসকন্টিনিউটি ডিজাইনকার্যকারণ অনুমান↔ তুলনা করুন
Similar methods
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →