Test placeba rozšířený o strojové učení
Test placeba rozšířený o strojové učení je validační technika kauzální inference, která využívá flexibilní ML odhady – jako jsou kauzální lesy (causal forests), LASSO nebo dvojité/debiované ML – k provádění falzifikačních kontrol identifikační strategie. Nahrazením skutečných přiřazení léčby placebem (falešnými) a ověřením, že se odhadovaný efekt zhroutí k nule, výzkumníci potvrzují, že jejich kauzální zjištění nejsou artefakty chybné specifikace modelu nebo matení (confounding).
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 ↗
- Athey, S., & Imbens, G. W. (2019). Machine learning methods that economists should know about. Annual Review of Economics, 11, 685-725. DOI: 10.1146/annurev-economics-080217-053433 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Machine Learning-Augmented Placebo Test for Causal Identification. ScholarGate. https://scholargate.app/cs/causal-inference/machine-learning-augmented-placebo-test
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.
- Rozdíl v rozdílech (Diff-in-Diff)Ekonometrie↔ compare
- Metoda instrumentálních proměnných (IV) pro kauzální inferenciEkonomika zdravotnictví↔ compare
- Syntetická kontrolní metoda (SCM)Kauzální inference↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →