Maskinlærings-augmenteret placebo-test
Den maskinlærings-augmenterede placebo-test er en kausal-inferens valideringsteknik, der anvender fleksible ML-estimatorer – såsom kausale skove, LASSO eller dobbelt/debiased ML – til at udføre falsifikationskontroller på en identifikationsstrategi. Ved at erstatte reelle behandlingsallokeringer med placebo (falske) allokeringer og verificere, at den estimerede effekt kollapser til nul, bekræfter forskere, at deres kausale fund ikke er artefakter af model-misspecificering eller konfundering.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Metodekort
Nabolaget af beslægtede metoder — vælg en knude for at udforske.
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Machine Learning-Augmented Placebo Test for Causal Identification. ScholarGate. https://scholargate.app/da/causal-inference/machine-learning-augmented-placebo-test
Hvilken metode?
Stil denne metode ved siden af dens nærmeste slægtninge, og læs dem side om side — biblioteket lægger bøgerne på bordet; valget er dit.
- Difference-in-Differences (Diff-in-Diff)Økonometri↔ sammenlign
- Instrumentalvariabel (IV) Metoden til Kausal InferensSundhedsøkonomi↔ sammenlign
- Syntetisk Kontrol Metode (SCM)Kausal inferens↔ sammenlign
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →