Regression model
이질적 처리 효과 (CATE / 메타 학습기)
이질적 처리 효과(Heterogeneous Treatment Effects)는 처리 효과가 개인마다 어떻게 달라지는지, 즉 조건부 평균 처리 효과(conditional average treatment effect, CATE)를 추정하는 기계 학습 프레임워크입니다. 이는 Wager와 Athey (2018), Künzel et al. (2019)의 인과적 숲(causal forest)과 함께 T-Learner, S-Learner, X-Learner, R-Learner와 같은 메타 학습기(meta-learner) 전략을 통합합니다.
MethodMind에서 열기곧 제공Apply, compare, get guidance
Tools & resources
Learn & explore
동영상곧 제공
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
방법 지도
관련 방법들로 이루어진 인접 영역 — 노드를 선택해 살펴보세요.
출처
- Wager, S. & Athey, S. (2018). Estimation and Inference of Heterogeneous Treatment Effects using Random Forests. Journal of the American Statistical Association. DOI: 10.1080/01621459.2017.1319839 ↗
- Künzel, S. R., Sekhon, J. S., Bickel, P. J. & Yu, B. (2019). Metalearners for Estimating Heterogeneous Treatment Effects using Machine Learning. Proceedings of the National Academy of Sciences (PNAS). DOI: 10.1073/pnas.1804597116 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 1). Heterogeneous Treatment Effects (CATE / Meta-Learners). ScholarGate. https://scholargate.app/ko/causal-inference/heterogeneous-treatment-effects
어떤 방법일까요?
이 방법을 가장 가까운 동류의 방법들과 나란히 놓고 비교해 보세요 — 라이브러리는 책을 펼쳐 놓을 뿐, 선택은 여러분의 몫입니다.
- 인과관계 발견 알고리즘 (PC, FCI, LiNGAM)인과추론↔ 비교
- 프론트도어 조정 (Frontdoor Criterion)인과추론↔ 비교
- 성향 점수 매칭연구 통계↔ 비교
- 회귀 불연속 설계(Regression Discontinuity Design, RDD)인과추론↔ 비교
- 내생적 회귀변수에 대한 도구변수(IV/2SLS) 2단계 최소제곱법인과추론↔ 비교
이 방법을 참조하는 항목
Similar methods
Heterogeneous Treatment Effect Matching EstimatorHeterogeneous Treatment Effect Inverse Probability WeightingHeterogeneous Treatment Effect Propensity Score MatchingHeterogeneous treatment effect Doubly robust estimationHeterogeneous treatment effect Counterfactual impact evaluationMachine Learning-Augmented Counterfactual Impact EvaluationHeterogeneous treatment effect Causal impact analysisHeterogeneous Treatment Effect Sensitivity Analysis for Causality