Catatan bukti metode

Machine Learning-Augmented Entropy Balancing

Machine learning-augmented entropy balancing (ML-EB) combines Hainmueller's entropy balancing reweighting scheme with a machine-learning outcome model to produce a doubly-robust causal estimator. By jointly optimising covariate balance weights and a flexible predicted-outcome adjustment, ML-EB delivers consistent treatment-effect estimates even when either the weighting or the outcome model is misspecified, and it handles high-dimensional covariate spaces that classical entropy balancing cannot easily balance.

Sources recorded, not reviewed

Catatan sumber

Kutipan disalin apa adanya dari catatan sumber metode. Tidak ada verifikasi tingkat klaim yang disimpulkan darinya.

Machine Learning-Augmented Entropy Balancing for Causal Inference

Catatan metode taksonomi · regression-model / causal-inference

Buka metode lengkap

Klaim yang dikurasi

Klaim tersimpan dalam buku besar bukti, masing-masing dengan penilaiannya sendiri.

Belum ada klaim yang dikurasi

Tampilan ini tidak menciptakan penilaian klaim ketika buku besar tidak memilikinya.

Metode terkait

Dihasilkan dari grafik metode dan ditampilkan sebagai relasi yang disarankan mesin — tidak ada klaim bukti yang disimpulkan.

Same method familyDoubly Robust Estimationmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketEntropy Balancingmachine-suggested · Relational suggestion, not evidence.Same method familyInverse Probability Weightingmachine-suggested · Relational suggestion, not evidence.See alsoPropensity Score Matchingmachine-suggested · Relational suggestion, not evidence.