Koneoppimista hyödyntävä kaksinkertaisesti robusti estimointi (ML-DR)
Koneoppimista hyödyntävä kaksinkertaisesti robusti (ML-DR) estimointi yhdistää klassisen kaksinkertaisesti robustin (AIPW) tunnistusstrategian joustaviin koneoppimismalleihin häiriöfunktioille – taipumusosuuspisteelle ja tulosregressiolle. Tuloksena on kausaalinen estimaattori, joka on johdonmukainen, jos jompikumpi koneoppiskomponentti on määritetty oikein, ja joka saavuttaa pätevän, juuri-n-inferenssin, vaikka häiriömallit estimoitaisiin korkeaulotteisella regularisaatiolla tai ei-parametrisilla oppijoilla.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
- Farrell, M. H., Liang, T., & Misra, S. (2021). Deep Neural Networks for Estimation and Inference. Econometrica, 89(1), 181-213. DOI: 10.3982/ECTA16901 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Machine Learning-Augmented Doubly Robust Estimation. ScholarGate. https://scholargate.app/fi/causal-inference/machine-learning-augmented-doubly-robust-estimation
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.
- Erojen erot (Diff-in-Diff)Ekonometria↔ compare
- Kaksoisrobustin estimoinnin (AIPW) menetelmäKausaalipäättely↔ compare
- Käänteisen todennäköisyyden painotus (IPW / IPTW)Kausaalipäättely↔ compare
- Koneoppimista hyödyntävä taipumuskoepisteiden täsmäytysKausaalipäättely↔ compare
- Marginaalinen rakenteellinen malli (MSM)Kausaalipäättely↔ compare
- Propensity Score Weighting (PSW / IPW)Kausaalipäättely↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →