Regression modelQuasi-experimental / causal inference
משתנים חסויים משופרים בלמידת מכונה (ML-IV)
משתנים חסויים משופרים בלמידת מכונה משלבים את כוח הזיהוי הסיבתי של IV קלאסי עם למידת מכונה מודרנית במימד גבוה — תוך שימוש בשיטות כגון LASSO, יערות אקראיים או רשתות נוירונים לבחירת חסויות תקפות ומידול פונקציות מטרד, ובכך משפרים את התאמת השלב הראשון ומאפשרים הסקה תקפה גם כאשר מספר החסויות הפוטנציאליות או הבקרות גדול ביחס לגודל המדגם.
קראו את השיטה במלואה
לחברים בלבד
התחברותהתחברו עם חשבון חינמי כדי לקרוא חלק זה.
מפת שיטות
סביבת השיטות הקרובות — בחרו צומת כדי לחקור.
מקורות
- 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 ↗
- Belloni, A., Chen, D., Chernozhukov, V., & Hansen, C. (2012). Sparse models and methods for optimal instruments with an application to eminent domain. Econometrica, 80(6), 2369-2429. DOI: 10.3982/ECTA9626 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Machine Learning-Augmented Instrumental Variables Estimation. ScholarGate. https://scholargate.app/he/causal-inference/machine-learning-augmented-instrumental-variables
איזו שיטה?
הציבו שיטה זו לצד קרובותיה הקרובות וקראו אותן זו לצד זו — הספרייה מניחה את הספרים על השולחן; הבחירה בידיכם.
- רגרסיית ריבועים פחותים דו-שלבית (2SLS / IV)אקונומטריקה↔ השוואה
- שיטת המשתנים המתערבים (IV) להסקה סיבתיתכלכלת בריאות↔ השוואה
- רגרסיית לאסולמידת מכונה↔ השוואה
- התאמת ציון נטייהסטטיסטיקה למחקר↔ השוואה