Dvojitě robustní odhad heterogenních účinků léčby
Dvojitě robustní odhad heterogenních účinků léčby (HTE) odhaduje, jak se kauzální účinek léčby liší mezi podskupinami nebo individuálními hodnotami kovariát. Kombinací modelu výsledku a modelu skóre sklonnosti si zachovává konzistenci, pokud je jeden z modelů správně specifikován, a podporuje flexibilní odhadovače rušivých vlivů strojového učení prostřednictvím křížového párování k produkci platných odhadů podmíněného průměrného účinku léčby (CATE).
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Mapa metod
Okolí příbuzných metod — vyberte uzel, který chcete prozkoumat.
Zdroje
- Kennedy, E. H. (2023). Towards optimal doubly robust estimation of heterogeneous causal effects. Electronic Journal of Statistics, 17(2), 3008-3049. DOI: 10.1214/23-EJS2157 ↗
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Doubly Robust Estimation of Heterogeneous Treatment Effects. ScholarGate. https://scholargate.app/cs/causal-inference/heterogeneous-treatment-effect-doubly-robust-estimation
Která metoda?
Postavte tuto metodu vedle jejích nejbližších příbuzných a čtěte je vedle sebe — knihovna položí knihy na stůl; volba je na vás.
- Dvojitě robustní odhad (AIPW)Kauzální inference↔ porovnat
- Vážená inverzní pravděpodobnost léčby (IPW / IPTW)Kauzální inference↔ porovnat
- Odhadování s rozšířenou dvojitou robustností (ML-DR) pomocí strojového učeníKauzální inference↔ porovnat
- Marginální strukturní model (MSM)Kauzální inference↔ porovnat
- Vážení na základě skóre sklonu (PSW / IPW)Kauzální inference↔ porovnat
Similar methods
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →