Variabili Strumentali Aumentate con Machine Learning (ML-IV)
Le variabili strumentali aumentate con machine learning combinano il potere di identificazione causale delle IV classiche con il moderno machine learning ad alta dimensionalità — utilizzando metodi come LASSO, foreste casuali o reti neurali per selezionare strumenti validi e modellare funzioni di disturbo, migliorando così l'adattamento del primo stadio e consentendo inferenze valide anche quando il numero di strumenti potenziali o controlli è elevato rispetto alla dimensione del campione.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Machine Learning-Augmented Instrumental Variables Estimation. ScholarGate. https://scholargate.app/it/causal-inference/machine-learning-augmented-instrumental-variables
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.
- Regressioni con Minimi Quadrati a Due Stadi (2SLS / IV)Econometria↔ compare
- Metodo delle Variabili Strumentali (IV) per l'Inferenza CausaleEconomia sanitaria↔ compare
- Regressione LassoApprendimento automatico↔ compare
- Abbinamento del punteggio di propensioneStatistica per la ricerca↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →