পদ্ধতির তুলনা করুন
নির্বাচিত পদ্ধতিগুলো পাশাপাশি পর্যালোচনা করুন; যে সারিগুলোয় পার্থক্য আছে সেগুলো চিহ্নিত করা হয়।
| বিষমধর্মী চিকিৎসা প্রভাব (CATE / মেটা-লার্নার)× | দ্বি-পর্যায় ন্যূনতম বর্গ (IV/2SLS) দ্বারা যন্ত্র চলক× | |
|---|---|---|
| ক্ষেত্র | কার্যকারণ অনুমান | কার্যকারণ অনুমান |
| পরিবার | Regression model | Regression model |
| উদ্ভবের বছর≠ | 2018 | 2009 |
| প্রবর্তক≠ | Wager & Athey (causal forest); Künzel et al. (meta-learners) | Angrist & Pischke (textbook treatment); Stock & Yogo (weak-instrument theory) |
| ধরন≠ | Causal machine-learning framework | Instrumental-variables regression |
| মৌলিক উৎস≠ | Wager, S. & Athey, S. (2018). Estimation and Inference of Heterogeneous Treatment Effects using Random Forests. Journal of the American Statistical Association. DOI ↗ | Angrist, J. D. & Pischke, J. S. (2009). Mostly Harmless Econometrics: An Empiricist's Companion. Princeton University Press. ISBN: 978-0691120355 |
| অপর নাম≠ | conditional average treatment effect, CATE, meta-learners, causal forest | instrumental variables, IV estimation, 2SLS, instrumental variable regression |
| সম্পর্কিত | 5 | 5 |
| সারসংক্ষেপ≠ | Heterogeneous Treatment Effects is a machine-learning framework that estimates how a treatment effect varies across individuals — the conditional average treatment effect (CATE). It bundles meta-learner strategies such as the T-Learner, S-Learner, X-Learner and R-Learner alongside the causal forest of Wager and Athey (2018) and Künzel et al. (2019). | IV/2SLS is a two-stage estimation method that recovers the causal effect of an endogenous regressor by isolating the part of its variation driven by an external instrument. It is the workhorse identification strategy in modern applied econometrics, developed at length in Angrist and Pischke's Mostly Harmless Econometrics (2009). |
| ScholarGateডেটাসেট ↗ |
|
|