Instrumentalne varijable proširene strojnim učenjem (ML-IV)
Instrumentalne varijable proširene strojnim učenjem kombiniraju snagu kauzalne identifikacije klasičnih IV s modernim visokodimenzionalnim strojnim učenjem — koristeći metode kao što su LASSO, slučajne šume ili neuralne mreže za odabir valjanih instrumenata i modeliranje funkcija smetnji, čime se poboljšava prilagodba prve faze i omogućuje valjana inferencija čak i kada je broj potencijalnih instrumenata ili kontrola velik u odnosu na veličinu uzorka.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Karta metoda
Okruženje srodnih metoda — odaberite čvor za istraživanje.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Machine Learning-Augmented Instrumental Variables Estimation. ScholarGate. https://scholargate.app/hr/causal-inference/machine-learning-augmented-instrumental-variables
Koja metoda?
Postavite ovu metodu uz njoj najsrodnije i pročitajte ih jednu uz drugu — knjižnica vam knjige stavlja na stol; izbor je na vama.
- Regresija najmanjih kvadrata u dva koraka (2SLS / IV)Ekonometrija↔ usporedi
- Metoda instrumentalnih varijabli (IV) za kauzalno zaključivanjeZdravstvena ekonomija↔ usporedi
- Regresija LassoStrojno učenje↔ usporedi
- Uparivanje prema ocjeni sklonostiIstraživačka statistika↔ usporedi
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →