Metodes pierādījumu reģistrs

Machine Learning-Augmented Entropy Balancing

Machine learning-augmented entropy balancing (ML-EB) combines Hainmueller's entropy balancing reweighting scheme with a machine-learning outcome model to produce a doubly-robust causal estimator. By jointly optimising covariate balance weights and a flexible predicted-outcome adjustment, ML-EB delivers consistent treatment-effect estimates even when either the weighting or the outcome model is misspecified, and it handles high-dimensional covariate spaces that classical entropy balancing cannot easily balance.

Sources recorded, not reviewed

Avota reģistrs

Atsauces kopētas tieši no metodes avota reģistra. Tās nenozīmē nekādu apgalvojumu līmeņa verifikāciju.

Machine Learning-Augmented Entropy Balancing for Causal Inference

Taksonomiskās metodes reģistrs · regression-model / causal-inference

Atvērt pilnu metodi

Kurēti apgalvojumi

Apgalvojumi saglabāti pierādījumu reģistrā, katram ar savu novērtējumu.

Vēl nav kurētu apgalvojumu

Šis skatījums neizgudro apgalvojumu novērtējumu, ja reģistrā tā nav.

Saistītās metodes

Ģenerēts no metodes grafika un parādīts kā mašīnas ieteiktas attiecības — netiek izvirzīts neviens pierādījumu apgalvojums.

Same method familyDoubly Robust Estimationmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketEntropy Balancingmachine-suggested · Relational suggestion, not evidence.Same method familyInverse Probability Weightingmachine-suggested · Relational suggestion, not evidence.See alsoPropensity Score Matchingmachine-suggested · Relational suggestion, not evidence.