Estimasi Robust Ganda Efek Perlakuan Heterogen
Estimasi robust ganda efek perlakuan heterogen (HTE) mengukur bagaimana efek kausal dari suatu perlakuan bervariasi di seluruh subkelompok atau nilai kovariat individu. Dengan menggabungkan model hasil dan model skor kecenderungan, metode ini mempertahankan konsistensi jika salah satu model ditentukan dengan benar, dan mendukung estimator pengganggu pembelajaran mesin yang fleksibel melalui pencocokan silang untuk menghasilkan estimasi efek perlakuan rata-rata bersyarat (CATE) yang valid.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Peta metode
Lingkup metode terkait — pilih sebuah simpul untuk menjelajah.
Sumber
- Kennedy, E. H. (2023). Towards optimal doubly robust estimation of heterogeneous causal effects. Electronic Journal of Statistics, 17(2), 3008-3049. DOI: 10.1214/23-EJS2157 ↗
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Doubly Robust Estimation of Heterogeneous Treatment Effects. ScholarGate. https://scholargate.app/id/causal-inference/heterogeneous-treatment-effect-doubly-robust-estimation
Metode yang mana?
Letakkan metode ini berdampingan dengan kerabat terdekatnya dan baca secara bersisian — pustaka menata bukunya di atas meja; pilihan ada di tangan Anda.
- Estimasi Robust Ganda (AIPW)Inferensi Kausal↔ bandingkan
- Bobot Probabilitas Invers (IPW / IPTW)Inferensi Kausal↔ bandingkan
- Estimasi Robust Ganda yang Diperkuat Pembelajaran Mesin (ML-DR)Inferensi Kausal↔ bandingkan
- Model Struktural Marginal (MSM)Inferensi Kausal↔ bandingkan
- Pembobotan Skor Propensitas (PSW / IPW)Inferensi Kausal↔ bandingkan
Similar methods
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →