Metodin todisteiden tietue

Machine Learning-Augmented Entropy Balancing

Machine learning-augmented entropy balancing (ML-EB) combines Hainmueller's entropy balancing reweighting scheme with a machine-learning outcome model to produce a doubly-robust causal estimator. By jointly optimising covariate balance weights and a flexible predicted-outcome adjustment, ML-EB delivers consistent treatment-effect estimates even when either the weighting or the outcome model is misspecified, and it handles high-dimensional covariate spaces that classical entropy balancing cannot easily balance.

Sources recorded, not reviewed

Lähdetietue

Sitaatit kopioitu sanatarkasti metodin lähdetietueesta. Niistä ei päätellä väitteiden tasoista varmennusta.

Machine Learning-Augmented Entropy Balancing for Causal Inference

Taksonominen metoditietue · regression-model / causal-inference

Avaa koko metodi

Kuratoituja väitteitä

Väitteet tallennettu todistusaineiston pääkirjaan, jokaisella oma arviointinsa.

Ei vielä kuratoituja väitteitä

Tämä näkymä ei keksi väitteen arviointia, jos pääkirjassa ei ole sitä.

Liittyvät metodit

Luotu metodigraafista ja näytetään koneen ehdottamina suhteina – väitteitä ei päätellä.

Same method familyDoubly Robust Estimationmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketEntropy Balancingmachine-suggested · Relational suggestion, not evidence.Same method familyInverse Probability Weightingmachine-suggested · Relational suggestion, not evidence.See alsoPropensity Score Matchingmachine-suggested · Relational suggestion, not evidence.