Penentu Padanan Diperkasakan Pembelajaran Mesin
Penentu padanan diperkasakan pembelajaran mesin (ML) menggabungkan padanan jiran terdekat atau skor kecenderungan klasik dengan algoritma ML — seperti lasso, hutan rawak, atau peningkatan kecerunan — untuk memilih kovariat, menganggarkan skor kecenderungan, dan membetulkan bias sisa. Hasilnya ialah penentu padanan berasaskan padanan yang kekal sah di bawah kekeliruan berdimensi tinggi di mana padanan yang ditentukan secara tangan tradisional gagal.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Peta kaedah
Kejiranan kaedah berkaitan — pilih satu nod untuk meneroka.
Sumber
- 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 ↗
- Abadie, A., & Imbens, G. W. (2006). Large sample properties of matching estimators for average treatment effects. Econometrica, 74(1), 235-267. DOI: 10.1111/j.1468-0262.2006.00655.x ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Machine Learning-Augmented Matching Estimator for Causal Inference. ScholarGate. https://scholargate.app/ms/causal-inference/machine-learning-augmented-matching-estimator
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
- Penganggar PadananInferens Kausal↔ banding
- Padanan Skor KecenderunganStatistik Penyelidikan↔ banding
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →