Koneoppimista hyödyntävä lumelääketestaus
Koneoppimista hyödyntävä lumelääketestaus on kausaali-infernenssin validointitekniikka, joka käyttää joustavia koneoppimisestimaattoreita – kuten kausaalimetsiä, LASSOa tai kaksois-/debiasoitua koneoppimista – falsifikaatiotarkistusten tekemiseen identifikaatiostrategialle. Korvaamalla todelliset hoito-osoitukset lumelääke (tekaistuilla) osoituksilla ja varmistamalla, että estimoitu vaikutus romahtaa nollaan, tutkijat vahvistavat, etteivät kausaaliset löydökset ole mallin virheellisen spesifikaation tai sekoittavien tekijöiden artefakteja.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Menetelmäkartta
Lähimenetelmien naapurusto — valitse solmu tutkiaksesi.
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 ↗
- Athey, S., & Imbens, G. W. (2019). Machine learning methods that economists should know about. Annual Review of Economics, 11, 685-725. DOI: 10.1146/annurev-economics-080217-053433 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Machine Learning-Augmented Placebo Test for Causal Identification. ScholarGate. https://scholargate.app/fi/causal-inference/machine-learning-augmented-placebo-test
Mikä menetelmä?
Aseta tämä menetelmä lähimpien sukulaistensa rinnalle ja lue niitä yhdessä — kirjasto asettaa teokset pöydälle; valinta on sinun.
- Erojen erot (Diff-in-Diff)Ekonometria↔ vertaa
- Instrumentaalimuuttujamenetelmä (IV) kausaalisen päättelyn menetelmänäTerveystaloustiede↔ vertaa
- Synteettisen kontrollin menetelmä (SCM)Kausaalipäättely↔ vertaa
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →