Variabel Instrumental yang Diperkaya Pembelajaran Mesin (ML-IV)
Variabel instrumental yang diperkaya pembelajaran mesin menggabungkan kekuatan identifikasi kausal IV klasik dengan pembelajaran mesin berdimensi tinggi modern — menggunakan metode seperti LASSO, random forest, atau jaringan saraf untuk memilih instrumen yang valid dan memodelkan fungsi gangguan, sehingga meningkatkan kecocokan tahap pertama dan memungkinkan inferensi yang valid bahkan ketika jumlah instrumen potensial atau kontrol besar relatif terhadap ukuran sampel.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Peta metode
Lingkup metode terkait — pilih sebuah simpul untuk menjelajah.
Sumber
- 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 ↗
- Belloni, A., Chen, D., Chernozhukov, V., & Hansen, C. (2012). Sparse models and methods for optimal instruments with an application to eminent domain. Econometrica, 80(6), 2369-2429. DOI: 10.3982/ECTA9626 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Machine Learning-Augmented Instrumental Variables Estimation. ScholarGate. https://scholargate.app/id/causal-inference/machine-learning-augmented-instrumental-variables
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.
- Regresi Kuadrat Terkecil Dua Tahap (2SLS / IV)Ekonometrika↔ bandingkan
- Metode Variabel Instrumental (IV) untuk Inferensi KausalEkonomi Kesehatan↔ bandingkan
- Regresi LassoPembelajaran Mesin↔ bandingkan
- Pencocokan Skor PropensitasStatistika Penelitian↔ bandingkan
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →