Strojové učení rozšířený fuzzy diskontinuitní regresní design
Fuzzy diskontinuitní regresní design (RDD) rozšířený o strojové učení (ML) rozšiřuje klasický fuzzy RDD nahrazením parametrických polynomiálních aproximací flexibilními odhady strojového učení. Zatímco standardní fuzzy RDD používá odhadování typu IV na prahu s nedokonalou dodržováním pravidel, ML-rozšířená varianta využívá neparametrické učící modely – jako jsou náhodné lesy nebo neuronové sítě – k modelování jak výsledku, tak pravděpodobnosti prvního stupně léčby v blízkosti prahu, čímž snižuje zkreslení z chybné specifikace při zachování kauzální identifikace.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Mapa metod
Okolí příbuzných metod — vyberte uzel, který chcete prozkoumat.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Machine Learning-Augmented Fuzzy Regression Discontinuity Design. ScholarGate. https://scholargate.app/cs/causal-inference/machine-learning-augmented-fuzzy-regression-discontinuity
Která metoda?
Postavte tuto metodu vedle jejích nejbližších příbuzných a čtěte je vedle sebe — knihovna položí knihy na stůl; volba je na vás.
- Rozdíl v rozdílech (Diff-in-Diff)Ekonometrie↔ porovnat
- Dvojitě robustní odhad (AIPW)Kauzální inference↔ porovnat
- Fuzzy design přerušení regreseKauzální inference↔ porovnat
- Metoda instrumentálních proměnných (IV) pro kauzální inferenciEkonomika zdravotnictví↔ porovnat
- Regresní diskontinuitní design rozšířený o strojové učeníKauzální inference↔ porovnat
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →