Strojové učení rozšířené o instrumentální proměnné (ML-IV)
Strojové učení rozšířené o instrumentální proměnné kombinuje kauzální identifikační sílu klasických IV s moderním vysoce dimenzionálním strojovým učením — používá metody jako LASSO, náhodné lesy nebo neuronové sítě k výběru platných nástrojů a modelování rušivých funkcí, čímž zlepšuje přizpůsobení první fáze a umožňuje platnou inferenci, i když je počet potenciálních nástrojů nebo kontrol velký vzhledem k velikosti vzorku.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Machine Learning-Augmented Instrumental Variables Estimation. ScholarGate. https://scholargate.app/cs/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.
- Regrese metodou dvoustupňové metody nejmenších čtverců (2SLS / IV)Ekonometrie↔ compare
- Metoda instrumentálních proměnných (IV) pro kauzální inferenciEkonomika zdravotnictví↔ compare
- Regrese LassoStrojové učení↔ compare
- Párování na základě skóre propensityStatistika ve výzkumu↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →