Regression modelQuasi-experimental / causal inference
機械学習拡張マッチング推定量
機械学習拡張マッチング推定量は、古典的な最近傍法または傾向スコアマッチングと、lasso、ランダムフォレスト、勾配ブースティングなどの機械学習アルゴリズムを組み合わせ、共変量を選択し、傾向スコアを推定し、残差バイアスを補正する。その結果、伝統的な手作業で指定されたマッチングが失敗する高次元の交絡下でも有効な、マッチングベースの因果推定量が得られる。
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 ↗
- Abadie, A., & Imbens, G. W. (2006). Large sample properties of matching estimators for average treatment effects. Econometrica, 74(1), 235-267. DOI: 10.1111/j.1468-0262.2006.00655.x ↗
このページの引用方法
ScholarGate. (2026, June 3). Machine Learning-Augmented Matching Estimator for Causal Inference. ScholarGate. https://scholargate.app/ja/causal-inference/machine-learning-augmented-matching-estimator
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
- 逆確率重み付け法 (IPW / IPTW)因果推論↔ compare
- 機械学習拡張二重頑健推定量 (ML-DR)因果推論↔ compare
- マッチング推定量因果推論↔ compare
- 傾向スコアマッチング研究統計↔ compare