Gépi tanulással kiegészített placebo teszt
A gépi tanulással kiegészített placebo teszt egy kauzális következtetést érvényesítő validálási technika, amely rugalmas gépi tanulási becslőket – mint például kauzális erdők, LASSO vagy kettős/debianizált ML – használ az azonosítási stratégia hamisítás elleni ellenőrzésére. A valós kezelési hozzárendelések helyettesítésével placebo (hamis) hozzárendelésekkel, és annak ellenőrzésével, hogy a becsült hatás nullára csökken, a kutatók megerősítik, hogy kauzális megállapításaik nem a modell helytelen specifikációjának vagy zavaró tényezőknek az artefaktumai.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Módszertérkép
A rokon módszerek környezete — válasszon ki egy csomópontot a felfedezéshez.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Machine Learning-Augmented Placebo Test for Causal Identification. ScholarGate. https://scholargate.app/hu/causal-inference/machine-learning-augmented-placebo-test
Melyik módszer?
Állítsa e módszert a hozzá legközelebb álló rokonai mellé, és olvassa őket egymás mellett — a könyvtár az asztalra teszi a könyveket; a választás az Öné.
- A különbség-különbségek (Diff-in-Diff) módszerÖkonometria↔ összehasonlítás
- Instrumentális Változók (IV) Módszer Kauzális Infláció BecsléséreEgészség-gazdaságtan↔ összehasonlítás
- Szintetikus kontroll módszer (SCM)Oksági következtetés↔ összehasonlítás
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →