Regression modelQuasi-experimental / causal inference
機械学習拡張二重頑健推定量 (ML-DR)
機械学習拡張二重頑健（ML-DR）推定量は、古典的な二重頑健（AIPW）の同定戦略と、ニ変数関数（傾向スコアとアウトカム回帰）のための柔軟な機械学習モデルを組み合わせたものです。その結果、MLコンポーネントのいずれかが正しく指定されていれば一致性があり、ニ変数モデルが高次元正則化またはノンパラメトリック学習者で推定されても、有効なルートn推論を達成する因果推定量が得られます。
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。
Method map
The neighbourhood of related methods — select a node to explore.
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 ↗
- Farrell, M. H., Liang, T., & Misra, S. (2021). Deep Neural Networks for Estimation and Inference. Econometrica, 89(1), 181-213. DOI: 10.3982/ECTA16901 ↗
このページの引用方法
ScholarGate. (2026, June 3). Machine Learning-Augmented Doubly Robust Estimation. ScholarGate. https://scholargate.app/ja/causal-inference/machine-learning-augmented-doubly-robust-estimation
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.
- 差分の差 (Difference-in-Differences, DiD)計量経済学↔ compare
- 二重に頑健な推定量（AIPW）因果推論↔ compare
- 逆確率重み付け法 (IPW / IPTW)因果推論↔ compare
- 機械学習拡張プロペンシティスコアマッチング因果推論↔ compare
- Marginal Structural Model (MSM)因果推論↔ compare
- 傾向スコア重み付け（PSW / IPW）因果推論↔ compare