Regression modelQuasi-experimental / causal inference
機械学習拡張エントロピー均衡法
機械学習拡張エントロピー均衡法（ML-EB）は、Hainmuellerのエントロピー均衡リウェイト法を機械学習の成果モデルと組み合わせることで、二重に頑健な因果推定量をもたらします。共変量均衡ウェイトと柔軟な予測成果調整を共同で最適化することにより、ML-EBは、ウェイトまたは成果モデルのいずれかが誤指定されていても、一貫した処置効果推定値を提供し、古典的なエントロピー均衡法では容易に均衡できない高次元共変量空間を扱います。
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
- Hainmueller, J. (2012). Entropy balancing for causal effects: A multivariate reweighting method to produce balanced samples in observational studies. Political Analysis, 20(1), 25-46. DOI: 10.1093/pan/mpr025 ↗
- Zhao, Q., & Percival, D. (2017). Entropy balancing is doubly robust. Journal of Causal Inference, 5(1), 20160010. DOI: 10.1515/jci-2016-0010 ↗
このページの引用方法
ScholarGate. (2026, June 3). Machine Learning-Augmented Entropy Balancing for Causal Inference. ScholarGate. https://scholargate.app/ja/causal-inference/machine-learning-augmented-entropy-balancing
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.
- 二重に頑健な推定量（AIPW）因果推論↔ compare
- エントロピー・バランシング因果推論↔ compare
- 逆確率重み付け法 (IPW / IPTW)因果推論↔ compare
- 傾向スコアマッチング研究統計↔ compare