Bilanciamento dell'Entropia Aumentato dal Machine Learning

Il bilanciamento dell'entropia aumentato dal machine learning (ML-EB) combina lo schema di ricampionamento del bilanciamento dell'entropia di Hainmueller con un modello di esito basato sul machine learning per produrre uno stimatore causale doppiamente robusto. Ottimizzando congiuntamente i pesi di bilanciamento delle covariate e un aggiustamento flessibile dell'esito previsto, ML-EB fornisce stime consistenti dell'effetto del trattamento anche quando il modello di ponderazione o il modello di esito sono specificati in modo errato, e gestisce spazi di covariate ad alta dimensionalità che il bilanciamento dell'entropia classico non riesce a bilanciare facilmente.