Gépi tanulással kiegészített érzékenységvizsgálat az okság elemzésére
A gépi tanulással kiegészített érzékenységvizsgálat rugalmas gépi tanulási becslőket kombinál formális robusztussági ellenőrzésekkel annak felmérésére, hogy mennyi nem mért zavaró tényezőre lenne szükség egy oksági megállapítás megdöntéséhez. Chernozhukov et al. kettős/torzítatlan gépi tanulási keretrendszerén, valamint Cinelli és Hazlett kihagyott változó torzítás érzékenységi eszközein alapulva, mind nagy dimenziós kovariancia-korrekciót, mind pedig a nem megfigyelt zavaró tényezőkkel kapcsolatos fennmaradó bizonytalanság átlátható kommunikációját biztosítja.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- Cinelli, C., & Hazlett, C. (2020). Making sense of sensitivity: extending omitted variable bias. Journal of the Royal Statistical Society: Series B (Statistical Methodology), 82(1), 39-67. DOI: 10.1111/rssb.12348 ↗
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Machine Learning-Augmented Sensitivity Analysis for Causal Inference. ScholarGate. https://scholargate.app/hu/causal-inference/machine-learning-augmented-sensitivity-analysis-for-causality
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.
- A különbség-különbségek (Diff-in-Diff) módszerÖkonometria↔ compare
- Instrumentális Változók (IV) Módszer Kauzális Infláció BecsléséreEgészség-gazdaságtan↔ compare
- Tárgyhajlamossági pontszám illesztésKutatási statisztika↔ compare
- Regressziós diszkontinuitási dizájn (RDD)Oksági következtetés↔ compare
- Szintetikus kontroll módszer (SCM)Oksági következtetés↔ compare
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →