מבחן פלצבו משופר למידת מכונה
מבחן הפלצבו המשופר למידת מכונה הוא טכניקת תיקוף (ולידציה) של הסקה סיבתית, המשתמשת באומדני למידת מכונה (ML) גמישים — כגון יערות סיבתיים (causal forests), LASSO, או ML כפול/מנוטרל הטיה (double/debiased ML) — כדי לבצע בדיקות הפרכה (falsification checks) על אסטרטגיית זיהוי. על ידי החלפת הקצאות טיפול אמיתיות בהקצאות פלצבו (מדומות) ואימות שההשפעה המוערכת קורסת לאפס, חוקרים מאשרים שממצאיהם הסיבתיים אינם תוצרים מלאכותיים של מפרט מודל שגוי (model misspecification) או משתנים מתערבים (confounding).
קראו את השיטה במלואה
התחברו 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 ↗
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Machine Learning-Augmented Placebo Test for Causal Identification. ScholarGate. https://scholargate.app/he/causal-inference/machine-learning-augmented-placebo-test
איזו שיטה?
הציבו שיטה זו לצד קרובותיה הקרובות וקראו אותן זו לצד זו — הספרייה מניחה את הספרים על השולחן; הבחירה בידיכם.
- הפרש-בהפרשים (דיד)אקונומטריקה↔ השוואה
- שיטת המשתנים המתערבים (IV) להסקה סיבתיתכלכלת בריאות↔ השוואה
- שיטת הבקרה הסינתטית (SCM)הסקה סיבתית↔ השוואה