Ujian Plasebo Berbantukan Pembelajaran Mesin
Ujian plasebo berbantukan pembelajaran mesin ialah teknik pengesahan inferens kausal yang menggunakan penganggar PM (Pembelajaran Mesin) fleksibel — seperti hutan kausal, LASSO, atau PM berganda/tak-bias — untuk menjalankan semakan pemalsuan terhadap strategi pengenalpastian. Dengan menggantikan tugasan rawatan sebenar dengan tugasan plasebo (palsu) dan mengesahkan bahawa kesan anggaran runtuh kepada sifar, penyelidik mengesahkan bahawa penemuan kausal mereka bukanlah artifak salah spesifikasi model atau pengacau.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
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 ↗
- Athey, S., & Imbens, G. W. (2019). Machine learning methods that economists should know about. Annual Review of Economics, 11, 685-725. DOI: 10.1146/annurev-economics-080217-053433 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Machine Learning-Augmented Placebo Test for Causal Identification. ScholarGate. https://scholargate.app/ms/causal-inference/machine-learning-augmented-placebo-test
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.
- Perbezaan-dalam-Perbezaan (Diff-in-Diff)Ekonometrik↔ compare
- Kaedah Pemboleh Ubah Instrumental (IV) untuk Inferensi KausalEkonomi Kesihatan↔ compare
- Kaedah Kawalan Sintetik (SCM)Inferens Kausal↔ compare
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →