मशीन लर्निंग-संवर्धित फजी रिग्रेशन डिसकंटीन्यूइटी डिज़ाइन
एमएल-संवर्धित फजी आरडीडी शास्त्रीय फजी रिग्रेशन डिसकंटीन्यूइटी डिज़ाइन का विस्तार करता है, जो पैरामीट्रिक बहुपद सन्निकटन को लचीले मशीन लर्निंग अनुमानकों से बदल देता है। जहाँ मानक फजी आरडीडी अपूर्ण अनुपालन के साथ एक थ्रेशोल्ड पर आईवी-शैली अनुमान का उपयोग करता है, एमएल-संवर्धित संस्करण गैर-पैरामीट्रिक शिक्षार्थियों - जैसे रैंडम फ़ॉरेस्ट या तंत्रिका नेटवर्क - का लाभ उठाता है ताकि कटऑफ के पास परिणाम और पहले-चरण उपचार संभावना दोनों को मॉडल किया जा सके, जिससे विनिर्देशन पूर्वाग्रह कम हो सके जबकि कारण पहचान बनी रहे।
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
- Hahn, J., Todd, P., & Van der Klaauw, W. (2001). Identification and estimation of treatment effects with a regression-discontinuity design. Review of Economic Studies, 68(1), 201-209. DOI: 10.1111/1468-0262.00183 ↗
- Semenova, V., & Chernozhukov, V. (2021). Debiased machine learning of conditional average treatment effects and other causal functions. The Econometrics Journal, 24(2), 264-289. DOI: 10.1093/ectj/utaa027 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Machine Learning-Augmented Fuzzy Regression Discontinuity Design. ScholarGate. https://scholargate.app/hi/causal-inference/machine-learning-augmented-fuzzy-regression-discontinuity
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।
- अंतर-में-अंतर (डिफ-इन-डिफ)अर्थमिति↔ तुलना करें
- Doubly Robust Estimationकारणात्मक अनुमान↔ तुलना करें
- फजी रिग्रेशन डिसकंटीन्यूइटी डिज़ाइनकारणात्मक अनुमान↔ तुलना करें
- कारण अनुमान के लिए वाद्य चर (IV) विधिस्वास्थ्य अर्थशास्त्र↔ तुलना करें
- मशीन लर्निंग-संवर्धित रिग्रेशन डिसकंटीन्यूटी डिज़ाइनकारणात्मक अनुमान↔ तुलना करें