ScholarGate
Assistent
Regression modelQuasi-experimental / causal inference

Masinõppega täiendatud kahekordselt robustne hinnang (ML-DR)

Masinõppega täiendatud kahekordselt robustne (ML-DR) hindamine ühendab klassikalise kahekordselt robustse (AIPW) identifitseerimisstrateegia paindlike masinõppemudelitega häirivate funktsioonide – propensoorskoori ja tulemuse regressiooni – jaoks. Tulemuseks on põhjuslik hinnang, mis on kooskõlaline, kui kumbki ML-komponent on õigesti spetsifitseeritud, ja mis saavutab kehtiva, ruutjuur-n järelduse isegi siis, kui häirivaid mudeleid hinnatakse kõrgedimensionaalse regulariseerimise või mitteparameetriliste õppijatega.

Ava rakenduses MethodMindPeagiVideoPeagiLaadi slaidid alla

Loe meetodi täielikku kirjeldust

Ainult liikmetele

Selle osa lugemiseks logi sisse tasuta kontoga.

Logi sisse

Meetodikaart

Seotud meetodite ümbruskond — vali sõlm, et seda uurida.

Allikad

  1. 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
  2. Farrell, M. H., Liang, T., & Misra, S. (2021). Deep Neural Networks for Estimation and Inference. Econometrica, 89(1), 181-213. DOI: 10.3982/ECTA16901

Kuidas sellele lehele viidata

ScholarGate. (2026, June 3). Machine Learning-Augmented Doubly Robust Estimation. ScholarGate. https://scholargate.app/et/causal-inference/machine-learning-augmented-doubly-robust-estimation

Milline meetod?

Aseta see meetod oma lähimate sugulaste kõrvale ja loe neid kõrvuti — raamatukogu laob raamatud lauale; valik on sinu.

Võrdle kõrvuti

Sellele viitavad

ScholarGateMachine learning-augmented doubly robust estimation (Machine Learning-Augmented Doubly Robust Estimation). Loetud 2026-06-15 aadressilt https://scholargate.app/et/causal-inference/machine-learning-augmented-doubly-robust-estimation · Andmestik: https://doi.org/10.5281/zenodo.20539026