Maschinelles Lernen-gestützte Sensitivitätsanalyse für Kausalität
Die maschinelles Lernen-gestützte Sensitivitätsanalyse kombiniert flexible ML-Schätzer mit formalen Robustheitsprüfungen, um zu beurteilen, wie viel ungemessene Störgrößen erforderlich wären, um ein kausales Ergebnis umzukehren. Basierend auf dem Double/Debiased ML-Framework von Chernozhukov et al. und den Sensitivitätswerkzeugen für ausgelassene Variablen von Cinelli und Hazlett, ermöglicht sie sowohl eine hochdimensionale Kovariatenanpassung als auch eine transparente Kommunikation der verbleibenden Unsicherheit bezüglich unbeobachteter Störgrößen.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Machine Learning-Augmented Sensitivity Analysis for Causal Inference. ScholarGate. https://scholargate.app/de/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.
- Differenz-in-Differenzen (DiD)Ökonometrie↔ compare
- Instrumentalvariablen-Methode (IV) zur KausalinferenzGesundheitsökonomie↔ compare
- Propensity Score MatchingForschungsstatistik↔ compare
- Regression Discontinuity Design (RDD)Kausale Inferenz↔ compare
- Synthetische Kontrollmethode (SCM)Kausale Inferenz↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →