Análisis de sensibilidad aumentado por aprendizaje automático para la causalidad

El análisis de sensibilidad aumentado por aprendizaje automático combina estimadores flexibles de aprendizaje automático (ML) con verificaciones formales de robustez para evaluar cuánto confundido no medido se requeriría para anular un hallazgo causal. Basado en el marco de ML doble/sin sesgo de Chernozhukov et al. y las herramientas de sensibilidad de sesgo por variable omitida de Cinelli y Hazlett, ofrece tanto el ajuste de covariables de alta dimensión como la comunicación transparente de la incertidumbre restante sobre los factores de confusión no observados.