Koneoppimista hyödyntävä entropiatasapainotus
Koneoppimista hyödyntävä entropiatasapainotus (ML-EB) yhdistää Hainmuellerin entropiatasapainotuksen uudelleentunnistusmenetelmän koneoppimisen tulosmallinnukseen tuottaakseen kaksinkertaisesti robustin kausaalisen estimaattorin. Yhteisoptimointi kovariaattitasapainopainojen ja joustavan ennustetun tuloksen säädön avulla, ML-EB tuottaa johdonmukaisia hoitovaikutusestimaatteja, vaikka painotus- tai tulosmallinnus olisi virheellisesti määritelty, ja se käsittelee korkeaulotteisia kovariaattitiloja, joita klassinen entropiatasapainotus ei helposti tasapainota.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Machine Learning-Augmented Entropy Balancing for Causal Inference. ScholarGate. https://scholargate.app/fi/causal-inference/machine-learning-augmented-entropy-balancing
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.
- Kaksoisrobustin estimoinnin (AIPW) menetelmäKausaalipäättely↔ compare
- EntropiatasapainoKausaalipäättely↔ compare
- Käänteisen todennäköisyyden painotus (IPW / IPTW)Kausaalipäättely↔ compare
- Propensity Score MatchingTutkimuksen tilastomenetelmät↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →