手法証拠記録
Heterogeneous treatment effect Doubly robust estimation
Doubly robust estimation of heterogeneous treatment effects (HTE) estimates how the causal effect of a treatment varies across subgroups or individual covariate values. By combining an outcome model and a propensity score model, it retains consistency if either model is correctly specified, and supports flexible machine learning nuisance estimators through cross-fitting to produce valid conditional average treatment effect (CATE) estimates.
出典記録
引用は手法の出典記録からそのままコピーされています。それらからレベルごとの検証は推論されません。
Doubly Robust Estimation of Heterogeneous Treatment Effects
分類的手法記録 · regression-model / causal-inference
- Kennedy, E. H. (2023). Towards optimal doubly robust estimation of heterogeneous causal effects. Electronic Journal of Statistics, 17(2), 3008-3049. · DOI 10.1214/23-EJS2157
- 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
キュレーションされた主張
主張は証拠台帳に永続化され、それぞれが独自の評価を持っています。
まだキュレーションされた主張はありません
このビューは、台帳に主張評価がない場合、主張評価を生成しません。
関連手法
手法グラフから生成され、機械が提案した関係として表示されます — 証拠主張は推論されません。