Uparivanje pojačano strojnim učenjem
Estimator uparivanja pojačan strojnim učenjem kombinira klasično uparivanje najbližeg susjeda ili uparivanje na temelju ocjene sklonosti (propensity score matching) s algoritmima strojnog učenja (ML) — kao što su lasso, slučajne šume ili gradijentno pojačavanje — za odabir kovarijata, procjenu ocjena sklonosti i korekciju preostale pristranosti. Rezultat je kauzalni estimator temeljen na uparivanju koji ostaje valjan pod visokodimenzionalnim zbunjujućim faktorima gdje tradicionalno ručno specificirano uparivanje ne uspijeva.
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 ↗
- Abadie, A., & Imbens, G. W. (2006). Large sample properties of matching estimators for average treatment effects. Econometrica, 74(1), 235-267. DOI: 10.1111/j.1468-0262.2006.00655.x ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Machine Learning-Augmented Matching Estimator for Causal Inference. ScholarGate. https://scholargate.app/hr/causal-inference/machine-learning-augmented-matching-estimator
Koja metoda?
Postavite ovu metodu uz njoj najsrodnije i pročitajte ih jednu uz drugu — knjižnica vam knjige stavlja na stol; izbor je na vama.
- Udvostručeno robusna procjena (AIPW)Uzročno zaključivanje↔ usporedi
- Uteživanje inverznom vjerojatnošću tretmana (IPW / IPTW)Uzročno zaključivanje↔ usporedi
- Procjena uvećana strojnim učenjem i dvostruko robusna (ML-DR)Uzročno zaključivanje↔ usporedi
- Procjenitelj podudaranjaUzročno zaključivanje↔ usporedi
- Uparivanje prema ocjeni sklonostiIstraživačka statistika↔ usporedi
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →