Regression model
異質的処置効果（CATE / メタ学習器）
異質的処置効果は、個々人によって処置効果がどのように異なるかを推定する機械学習フレームワークであり、条件付き平均処置効果（CATE）を扱います。これは、WagerとAthey（2018）、Künzelら（2019）による因果の森に加え、T学習器、S学習器、X学習器、R学習器などのメタ学習器戦略を束ねたものです。
MethodMindで開く近日公開Apply, compare, get guidance
Tools & resources
Learn & explore
動画近日公開
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
手法マップ
関連する手法の近傍 — ノードを選択して探索できます。
出典
- Wager, S. & Athey, S. (2018). Estimation and Inference of Heterogeneous Treatment Effects using Random Forests. Journal of the American Statistical Association. DOI: 10.1080/01621459.2017.1319839 ↗
- Künzel, S. R., Sekhon, J. S., Bickel, P. J. & Yu, B. (2019). Metalearners for Estimating Heterogeneous Treatment Effects using Machine Learning. Proceedings of the National Academy of Sciences (PNAS). DOI: 10.1073/pnas.1804597116 ↗
このページの引用方法
ScholarGate. (2026, June 1). Heterogeneous Treatment Effects (CATE / Meta-Learners). ScholarGate. https://scholargate.app/ja/causal-inference/heterogeneous-treatment-effects
どの手法を選ぶ？
この手法を最も近い類縁の手法と並べ、両者を見比べてください — ライブラリは本を机の上に並べるだけ。選ぶのはあなたです。
- 因果発見アルゴリズム (PC, FCI, LiNGAM)因果推論↔ 比較
- フロントドア調整（フロントドア基準）因果推論↔ 比較
- 傾向スコアマッチング研究統計↔ 比較
- 回帰不連続デザイン（Regression Discontinuity Design, RDD）因果推論↔ 比較
- 操作変数法（IV/2SLS）による推定因果推論↔ 比較
この手法を参照する項目
Similar methods
Heterogeneous Treatment Effect Matching EstimatorHeterogeneous Treatment Effect Inverse Probability WeightingHeterogeneous Treatment Effect Propensity Score MatchingHeterogeneous treatment effect Doubly robust estimationHeterogeneous treatment effect Counterfactual impact evaluationMachine Learning-Augmented Counterfactual Impact EvaluationHeterogeneous treatment effect Causal impact analysisHeterogeneous Treatment Effect Sensitivity Analysis for Causality