Variables Instrumentals Augmentades per Aprenentatge Automàtic (ML-IV)
Les variables instrumentals augmentades per aprenentatge automàtic combinen el poder d'identificació causal dels IV clàssics amb l'aprenentatge automàtic modern d'alta dimensionalitat — utilitzant mètodes com LASSO, boscos aleatoris o xarxes neuronals per seleccionar instruments vàlids i modelar funcions de molèstia, millorant així l'ajust de primera etapa i permetent una inferència vàlida fins i tot quan el nombre d'instruments potencials o controls és gran en relació amb la mida de la mostra.
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
- 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 ↗
- Belloni, A., Chen, D., Chernozhukov, V., & Hansen, C. (2012). Sparse models and methods for optimal instruments with an application to eminent domain. Econometrica, 80(6), 2369-2429. DOI: 10.3982/ECTA9626 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Machine Learning-Augmented Instrumental Variables Estimation. ScholarGate. https://scholargate.app/ca/causal-inference/machine-learning-augmented-instrumental-variables
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.
- Regressió per Mínims Quadrats en Dues Etapes (2SLS / IV)Econometria↔ compare
- Mètode de Variables Instrumentals (IV) per a la Inferència CausalEconomia de la salut↔ compare
- Regressió LassoAprenentatge automàtic↔ compare
- Emparellament per puntuació de propensióEstadística per a la recerca↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →