Regression modelQuasi-experimental / causal inference
기계학습 증강 엔트로피 균형 (Machine Learning-Augmented Entropy Balancing)
기계학습 증강 엔트로피 균형(ML-EB)은 Hainmueller의 엔트로피 균형 재가중 기법과 기계학습 결과 모델을 결합하여 이중 강건(doubly-robust) 인과 추정치를 생성합니다. 공변량 균형 가중치와 유연한 예측 결과 조정을 공동으로 최적화함으로써, ML-EB는 가중치 모델이나 결과 모델 중 하나가 잘못 지정되더라도 일관된 처리 효과 추정치를 제공하며, 고전적인 엔트로피 균형으로는 쉽게 균형을 맞출 수 없는 고차원 공변량 공간을 처리합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Machine Learning-Augmented Entropy Balancing for Causal Inference. ScholarGate. https://scholargate.app/ko/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.
- 이중 강건 추정 (AIPW)인과추론↔ compare
- 엔트로피 균형인과추론↔ compare
- 역확률 가중치 (Inverse Probability Weighting, IPW / IPTW)인과추론↔ compare
- 성향 점수 매칭연구 통계↔ compare