Regression modelQuasi-experimental / causal inference
機械学習拡張型因果影響評価
機械学習拡張型因果影響評価は、潜在的結果による因果推論の信頼性と現代の機械学習アルゴリズムの柔軟性を組み合わせたものです。交絡因子に対するパラメトリック関数形を課す代わりに、ラッソ、ランダムフォレスト、ニューラルネットワークなどの機械学習学習器が、因果効果の近似的に不偏な推定値の構築に使用される、煩雑関数（傾向スコア、結果回帰）を推定します。代表的な実装は、Chernozhukovら（2018）によって形式化された二重／偏り除去機械学習（DML）です。
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
- 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 ↗
- Athey, S., & Imbens, G. W. (2019). Machine learning methods that economists should know about. Annual Review of Economics, 11, 685-725. DOI: 10.1146/annurev-economics-080217-053433 ↗
このページの引用方法
ScholarGate. (2026, June 3). Machine Learning-Augmented Counterfactual Impact Evaluation. ScholarGate. https://scholargate.app/ja/causal-inference/machine-learning-augmented-counterfactual-impact-evaluation
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。
- 因果影響分析因果推論↔ 比較
- 反実仮想による影響評価（CIE）因果推論↔ 比較
- 差分の差 (Difference-in-Differences, DiD)計量経済学↔ 比較
- 傾向スコアマッチング研究統計↔ 比較
- 合成コントロール法（SCM）因果推論↔ 比較