אמידה חסינה כפולה של השפעות טיפול הטרוגניות
רוב השיטות הסיבתיות מדווחות על ממוצע השפעת טיפול אחת לכולם. אך בפועל השפעת תרופה, מדיניות או תוכנית משתנה בדרך כלל בין פרטים: מטופלים צעירים עשויים להגיב אחרת ממבוגרים, משקי בית בעלי הכנסה נמוכה עשויים להפיק תועלת רבה יותר מאשר בעלי הכנסה גבוהה. אמידת HTE חסינה כפולה בונה תוצאה-מדומה מתוקנת עבור כל יחידה המשלבת תוצאות חזויות תחת טיפול וביקורת עם תיקון היפוך-נטייה. אם תחזיות התוצאה או ציוני הנטייה נכונים, התוצאה-המדומה חסרת הטיה, וכל רגרסיה גמישה של תוצאה-מדומה זו על משתנים משתנים נותנת משטח CATE עקבי — מפה של האופן שבו ההשפעה הסיבתית משתנה עם מאפיינים אישיים.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
מפת שיטות
סביבת השיטות הקרובות — בחרו צומת כדי לחקור.
מקורות
- Kennedy, E. H. (2023). Towards optimal doubly robust estimation of heterogeneous causal effects. Electronic Journal of Statistics, 17(2), 3008-3049. DOI: 10.1214/23-EJS2157 ↗
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Doubly Robust Estimation of Heterogeneous Treatment Effects. ScholarGate. https://scholargate.app/he/causal-inference/heterogeneous-treatment-effect-doubly-robust-estimation
איזו שיטה?
הציבו שיטה זו לצד קרובותיה הקרובות וקראו אותן זו לצד זו — הספרייה מניחה את הספרים על השולחן; הבחירה בידיכם.
- אמידה חסונה כפולה (AIPW)הסקה סיבתית↔ השוואה
- משקולות הסתברות הפוכות (IPW / IPTW)הסקה סיבתית↔ השוואה
- אמידה חסינה כפולה משופרת בלמידת מכונה (ML-DR)הסקה סיבתית↔ השוואה
- מודל מבני שולי (MSM)הסקה סיבתית↔ השוואה
- שקלול ציון הנטייה (PSW / IPW)הסקה סיבתית↔ השוואה