Anggaran Kebolehpercayaan Berganda bagi Kesan Rawatan Heterogen
Anggaran kebolehpercayaan berganda bagi kesan rawatan heterogen (HTE) menganggarkan bagaimana kesan kausal rawatan berbeza merentasi subkumpulan atau nilai kovariat individu. Dengan menggabungkan model hasil dan model skor kecenderungan, ia mengekalkan ketekalan jika salah satu model ditentukan dengan betul, dan menyokong penganggar gangguan fleksibel pembelajaran mesin melalui pemadanan silang untuk menghasilkan anggaran kesan rawatan purata bersyarat (CATE) yang sah.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Peta kaedah
Kejiranan kaedah berkaitan — pilih satu nod untuk meneroka.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Doubly Robust Estimation of Heterogeneous Treatment Effects. ScholarGate. https://scholargate.app/ms/causal-inference/heterogeneous-treatment-effect-doubly-robust-estimation
Kaedah yang mana?
Letakkan kaedah ini di sebelah kaedah yang paling rapat dengannya dan baca secara bersebelahan — perpustakaan menyusun buku di atas meja; pilihan terletak pada anda.
- Anggaran Keboleh-Teguhan Berganda (AIPW)Inferens Kausal↔ banding
- Penimbang Kebarangkalian Songsang (IPW / IPTW)Inferens Kausal↔ banding
- Anggaran Dwi-Teguh Diperkaya Pembelajaran Mesin (ML-DR)Inferens Kausal↔ banding
- Model Struktur Marginal (MSM)Inferens Kausal↔ banding
- Penimbang Skor Kecenderungan (PSW / IPW)Inferens Kausal↔ banding
Similar methods
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →