Masinõppimisega täiustatud põhjuslikkuse mõju analüüs
Masinõppimisega täiustatud põhjuslikkuse mõju analüüs ühendab kvasi-eksperimentaalse vastupõhjusliku (counterfactual) põhjenduse paindlike masinõppe ennustusmudelitega, et hinnata sekkumise põhjuslikku mõju ajasarja tulemusmuutujale. Tuginedes Brodersen jt. (2015) Bayesi struktuurmudelite (BSTS) raamistikule ja laiendades seda kahekordse/debiaseeritud masinõppe meetoditega, konstrueerib see sünteetilise vastupõhjusliku tulemuse doonorkovariaatidest ja tuletab töötlemise efekti kui erinevuse täheldatud ja ennustatud sekkumisjärgsete tulemuste vahel.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- Brodersen, K. H., Gallusser, F., Koehler, J., Remy, N., & Scott, S. L. (2015). Inferring causal impact using Bayesian structural time-series models. Annals of Applied Statistics, 9(1), 247-274. DOI: 10.1214/14-AOAS788 ↗
- 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). Machine Learning-Augmented Causal Impact Analysis. ScholarGate. https://scholargate.app/et/causal-inference/machine-learning-augmented-causal-impact-analysis
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.
- Kausaalne mõju analüüsPõhjuslik järeldamine↔ compare
- Erinevused erinevustes (Diff-in-Diff)Ökonomeetria↔ compare
- Topeltrobustne hindamine (AIPW)Põhjuslik järeldamine↔ compare
- Katkendliku ajasarja (ITS) analüüsPõhjuslik järeldamine↔ compare
- Paneelevendi uuringPõhjuslik järeldamine↔ compare
- Sünteetilise kontrolli meetod (SCM)Põhjuslik järeldamine↔ compare
Märkasid sellel lehel viga? Teata sellest või paku parandust →