Equilibratge d'Entropia Augmentat per Aprenentatge Automàtic
L'equilibratge d'entropia augmentat per aprenentatge automàtic (ML-EB) combina l'esquema de reponderació de l'equilibratge d'entropia de Hainmueller amb un model d'outcome basat en aprenentatge automàtic per produir un estimador causal doblement robust. Optimitzant conjuntament els pesos d'equilibri dels covariables i un ajustament flexible de l'outcome predit, ML-EB proporciona estimacions consistents de l'efecte del tractament fins i tot quan el model de ponderació o el model d'outcome estan mal especificats, i gestiona espais de covariables d'alta dimensionalitat que l'equilibratge d'entropia clàssic no pot equilibrar fàcilment.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Hainmueller, J. (2012). Entropy balancing for causal effects: A multivariate reweighting method to produce balanced samples in observational studies. Political Analysis, 20(1), 25-46. DOI: 10.1093/pan/mpr025 ↗
- Zhao, Q., & Percival, D. (2017). Entropy balancing is doubly robust. Journal of Causal Inference, 5(1), 20160010. DOI: 10.1515/jci-2016-0010 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Machine Learning-Augmented Entropy Balancing for Causal Inference. ScholarGate. https://scholargate.app/ca/causal-inference/machine-learning-augmented-entropy-balancing
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.
- Estimació Doblement Robusta (AIPW)Inferència causal↔ compare
- Equilibri d'EntropiaInferència causal↔ compare
- Pes pesat per la probabilitat inversa (IPW / IPTW)Inferència causal↔ compare
- Emparellament per puntuació de propensióEstadística per a la recerca↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →