Analyse de sensibilité augmentée par l'apprentissage automatique pour la causalité

L'analyse de sensibilité augmentée par l'apprentissage automatique combine des estimateurs flexibles d'apprentissage automatique (ML) avec des vérifications de robustesse formelles pour évaluer l'ampleur de la confusion non mesurée nécessaire pour infirmer une conclusion causale. Ancrée dans le cadre de ML double/débiaisé de Chernozhukov et al. et les outils de sensibilité aux variables omises de Cinelli et Hazlett, elle permet à la fois un ajustement des covariables de haute dimension et une communication transparente de l'incertitude restante concernant les facteurs de confusion inobservés.