Machine Learning-Augmented Entropy Balancing
Machine learning-augmented entropy balancing (ML-EB) combines Hainmueller's entropy balancing reweighting scheme with a machine-learning outcome model to produce a doubly-robust causal estimator. By jointly optimising covariate balance weights and a flexible predicted-outcome adjustment, ML-EB delivers consistent treatment-effect estimates even when either the weighting or the outcome model is misspecified, and it handles high-dimensional covariate spaces that classical entropy balancing cannot easily balance.
Registro de origen
Citas copiadas textualmente del registro de origen del método. No se infiere ninguna verificación a nivel de afirmación de ellas.
- Hainmueller, J. (2012). Entropy balancing for causal effects: A multivariate reweighting method to produce balanced samples in observational studies. Political Analysis, 20(1), 25-46. · DOI 10.1093/pan/mpr025
- Zhao, Q., & Percival, D. (2017). Entropy balancing is doubly robust. Journal of Causal Inference, 5(1), 20160010. · DOI 10.1515/jci-2016-0010
Afirmaciones curadas
Afirmaciones persistidas en el libro mayor de evidencia, cada una con su propia evaluación.
Esta vista no inventa una evaluación de afirmación si el libro mayor no tiene ninguna.
Métodos relacionados
Generado a partir del grafo de métodos y mostrado como relaciones sugeridas por la máquina; no se infiere ninguna afirmación de evidencia.