मशीन लर्निंग-ऑग्मेंटेड काउंटरफैक्टुअल इम्पैक्ट इवैल्यूएशन
मशीन लर्निंग-ऑग्मेंटेड काउंटरफैक्टुअल इम्पैक्ट इवैल्यूएशन, पोटेंशियल-आउटकम्स कॉज़ल इन्फेरेंस की विश्वसनीयता को आधुनिक एमएल एल्गोरिदम के लचीलेपन के साथ जोड़ता है। कन्फ़ाउंडर्स के लिए पैरामीट्रिक फंक्शनल फॉर्म्स को लागू करने के बजाय, एमएल लर्नर्स — जैसे लासो, रैंडम फ़ॉरेस्ट, या न्यूरल नेट — न्यूसेंस फ़ंक्शंस (प्रोपेंसिटी स्कोर, आउटकम रिग्रेशन) का अनुमान लगाते हैं जिनका उपयोग कॉज़ल इफ़ेक्ट्स के लगभग अनबायस्ड अनुमानों के निर्माण के लिए किया जाता है। इसका मानक उदाहरण डबल/डीबायस्ड मशीन लर्निंग (DML) है, जिसे Chernozhukov et al. (2018) द्वारा औपचारिक रूप दिया गया है।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
पद्धति मानचित्र
सम्बन्धित पद्धतियों का परिवेश — अन्वेषण हेतु किसी नोड का चयन करें।
स्रोत
- 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Machine Learning-Augmented Counterfactual Impact Evaluation. ScholarGate. https://scholargate.app/hi/causal-inference/machine-learning-augmented-counterfactual-impact-evaluation
कौन-सी पद्धति?
इस पद्धति को उसकी निकटतम सजातीय पद्धतियों के साथ रखकर उन्हें साथ-साथ पढ़ें — पुस्तकालय पुस्तकें मेज़ पर रख देता है; चुनाव आपका है।
- कार्यकारण प्रभाव विश्लेषणकारणात्मक अनुमान↔ तुलना करें
- प्रति-वास्तविक प्रभाव मूल्यांकन (Counterfactual Impact Evaluation - CIE)कारणात्मक अनुमान↔ तुलना करें
- अंतर-में-अंतर (डिफ-इन-डिफ)अर्थमिति↔ तुलना करें
- प्रोपेंसिटी स्कोर मैचिंगअनुसंधान सांख्यिकी↔ तुलना करें
- सिंथेटिक कंट्रोल मेथड (SCM)कारणात्मक अनुमान↔ तुलना करें