ScholarGate
어시스턴트
Regression modelQuasi-experimental / causal inference

기계 학습 증강 이중 강건 추정 (ML-DR)

기계 학습 증강 이중 강건(ML-DR) 추정은 고전적인 이중 강건(AIPW) 식별 전략과 교란 변수에 대한 유연한 기계 학습 모델(성향 점수 및 결과 회귀)을 결합합니다. 그 결과, ML 구성 요소 중 하나라도 올바르게 지정되면 일관성이 있고, 교란 함수 모델이 고차원 정규화 또는 비모수 학습기로 추정되더라도 유효한, 루트-n 추론을 달성하는 인과 추정치가 생성됩니다.

MethodMind에서 열기곧 제공동영상곧 제공슬라이드 다운로드

방법 전문 읽기

회원 전용

무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.

로그인

방법 지도

관련 방법들로 이루어진 인접 영역 — 노드를 선택해 살펴보세요.

기계 학습 증강 이중 강건 추정 (ML-DR)
이중차분법 (Diff-in-Diff)이중 강건 추정 (AIPW)역확률 가중치 (Inverse Probabi…기계 학습 증강 성향 점수 매칭Marginal Structural Mode…성향 점수 가중치 (PSW / IPW)이질적 처리 효과의 이중 강건 추정기계 학습 증강 역확률 가중치 (ML-IPW)기계 학습 증강 주변 구조 모델 (ML-MS…기계 학습 증강 매칭 추정량

출처

  1. 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 ↗
  2. Farrell, M. H., Liang, T., & Misra, S. (2021). Deep Neural Networks for Estimation and Inference. Econometrica, 89(1), 181-213. DOI: 10.3982/ECTA16901 ↗

이 페이지 인용 방법

ScholarGate. (2026, June 3). Machine Learning-Augmented Doubly Robust Estimation. ScholarGate. https://scholargate.app/ko/causal-inference/machine-learning-augmented-doubly-robust-estimation

어떤 방법일까요?

이 방법을 가장 가까운 동류의 방법들과 나란히 놓고 비교해 보세요 — 라이브러리는 책을 펼쳐 놓을 뿐, 선택은 여러분의 몫입니다.

나란히 비교하기 →

이 방법을 참조하는 항목

이질적 처리 효과의 이중 강건 추정기계 학습 증강 역확률 가중치 (ML-IPW)기계 학습 증강 주변 구조 모델 (ML-MSM)기계 학습 증강 매칭 추정량기계 학습 증강 성향 점수 매칭

이 페이지에서 오류를 발견하셨나요? 신고하거나 수정을 제안하세요 →

ScholarGate — Machine learning-augmented doubly robust estimation (Machine Learning-Augmented Doubly Robust Estimation). 2026-06-15에 다음에서 검색함: https://scholargate.app/ko/causal-inference/machine-learning-augmented-doubly-robust-estimation · 데이터셋: https://doi.org/10.5281/zenodo.20539026