Heterogeense mõju robustne hindamine
Heterogeense mõju (HTE) kahekordselt robustne hindamine kvantifitseerib, kuidas ravi põhjuslik mõju erineb alarühmade või üksikute kovariaatide väärtuste lõikes. Kombineerides tulemusmudelit ja eelsoodumusskoori mudelit, säilitab see meetod konsistentsuse, kui üks neist mudelitest on õigesti spetsifitseeritud, ning võimaldab paindlike masinõppe-hoolduse hindajate kasutamist ristlõikamise abil, et saada kehtivaid tinglikke keskmisi ravimõjusid (CATE).
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Meetodikaart
Seotud meetodite ümbruskond — vali sõlm, et seda uurida.
Allikad
- Kennedy, E. H. (2023). Towards optimal doubly robust estimation of heterogeneous causal effects. Electronic Journal of Statistics, 17(2), 3008-3049. DOI: 10.1214/23-EJS2157 ↗
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Doubly Robust Estimation of Heterogeneous Treatment Effects. ScholarGate. https://scholargate.app/et/causal-inference/heterogeneous-treatment-effect-doubly-robust-estimation
Milline meetod?
Aseta see meetod oma lähimate sugulaste kõrvale ja loe neid kõrvuti — raamatukogu laob raamatud lauale; valik on sinu.
- Topeltrobustne hindamine (AIPW)Põhjuslik järeldamine↔ võrdle
- Pöörd-tõenäosuskaalutamine (IPW / IPTW)Põhjuslik järeldamine↔ võrdle
- Masinõppega täiendatud kahekordselt robustne hinnang (ML-DR)Põhjuslik järeldamine↔ võrdle
- Marginaalne strukturaalne mudel (MSM)Põhjuslik järeldamine↔ võrdle
- Propensity Score Weighting (PSW / IPW)Põhjuslik järeldamine↔ võrdle
Similar methods
Märkasid sellel lehel viga? Teata sellest või paku parandust →