ScholarGate
Asszisztens
Regression modelQuasi-experimental / causal inference

Gyakorlati kettős robust becslés gépi tanulással (ML-DR)

A gépi tanulással kiegészített kettős robust (ML-DR) becslés a klasszikus kettős robust (AIPW) azonosítási stratégiát ötvözi a zavaró függvények — a hajlamossági pontszám és az eredmény regresszió — rugalmas gépi tanulási modelljeivel. Az eredmény egy kauzális becslő, amely akkor konzisztens, ha az ML komponensek valamelyike helyesen van specifikálva, és érvényes, gyökér-n következtetést tesz lehetővé még akkor is, ha a zavaró modelleket magas dimenziós regularizálással vagy nemparametrikus tanulókkal becsülik meg.

Megnyitás itt: MethodMindHamarosanVideóHamarosanDownload slides

A teljes módszer elolvasása

Csak tagoknak

Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.

Bejelentkezés

Method map

The neighbourhood of related methods — select a node to explore.

Gyakorlati kettős robust becslés gépi tanulással (ML-DR)
A különbség-különbségek…Kettősen robusztus becsl…Az inverz valószínűségi…Gépi tanulással kiegészí…Marginal Structural Mode…Propensity Score Weighti…Kétszeresen robusztus be…Gépi tanulással kiegészí…Gépi tanulással kiegészí…ML-kiegészített párosítá…

Források

  1. 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 ↗
  2. Farrell, M. H., Liang, T., & Misra, S. (2021). Deep Neural Networks for Estimation and Inference. Econometrica, 89(1), 181-213. DOI: 10.3982/ECTA16901 ↗

Hogyan hivatkozzon erre az oldalra

ScholarGate. (2026, June 3). Machine Learning-Augmented Doubly Robust Estimation. ScholarGate. https://scholargate.app/hu/causal-inference/machine-learning-augmented-doubly-robust-estimation

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side →

Hivatkozik rá

Kétszeresen robusztus becslés heterogén kezelési hatásokraGépi tanulással kiegészített inverz valószínűségi súlyozás (ML-IPW)Gépi tanulással kiegészített marginális strukturális modell (ML-MSM)ML-kiegészített párosítási becslőGépi tanulással kiegészített hajlandósági pont illesztés

Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →

ScholarGate — Machine learning-augmented doubly robust estimation (Machine Learning-Augmented Doubly Robust Estimation). Letöltve 2026-06-15, forrás: https://scholargate.app/hu/causal-inference/machine-learning-augmented-doubly-robust-estimation · Adatkészlet: https://doi.org/10.5281/zenodo.20539026