Strojové učení rozšířená analýza citlivosti pro kauzalitu
Strojové učení rozšířená analýza citlivosti kombinuje flexibilní ML odhady s formálními kontrolami robustnosti, aby posoudila, kolik nezměřeného zmatení by bylo zapotřebí k zvrácení kauzálního zjištění. Vychází z Chernozhukov et al. 's double/debiased ML framework a Cinelli a Hazlett's nástrojů pro citlivost na vynechané proměnné, poskytuje jak vysoce dimenzionální úpravu kovariát, tak transparentní komunikaci zbývající nejistoty ohledně nepozorovaných zmatených proměnných.
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
- Cinelli, C., & Hazlett, C. (2020). Making sense of sensitivity: extending omitted variable bias. Journal of the Royal Statistical Society: Series B (Statistical Methodology), 82(1), 39-67. DOI: 10.1111/rssb.12348 ↗
- 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). Machine Learning-Augmented Sensitivity Analysis for Causal Inference. ScholarGate. https://scholargate.app/cs/causal-inference/machine-learning-augmented-sensitivity-analysis-for-causality
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
- Párování na základě skóre propensityStatistika ve výzkumu↔ compare
- Regresní diskontinuitní design (RDD)Kauzální inference↔ compare
- Syntetická kontrolní metoda (SCM)Kauzální inference↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →