Maskinlæringsforsterket instrumentvariabel (ML-IV)
Maskinlæringsforsterket instrumentvariabel kombinerer den kausale identifikasjonskraften til klassiske IV med moderne høydimensjonal maskinlæring – ved bruk av metoder som LASSO, random forests eller nevrale nettverk for å velge gyldige instrumenter og modellere unyttige funksjoner, og dermed forbedre første-trinns tilpasning og muliggjøre gyldig inferens selv når antallet potensielle instrumenter eller kontrollvariabler er stort i forhold til utvalgsstørrelsen.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
- Belloni, A., Chen, D., Chernozhukov, V., & Hansen, C. (2012). Sparse models and methods for optimal instruments with an application to eminent domain. Econometrica, 80(6), 2369-2429. DOI: 10.3982/ECTA9626 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Machine Learning-Augmented Instrumental Variables Estimation. ScholarGate. https://scholargate.app/no/causal-inference/machine-learning-augmented-instrumental-variables
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.
- Regresjon med totrinn minste kvadraters metode (2SLS / IV)Økonometri↔ compare
- Instrumentelle variabler (IV) metode for kausal inferensHelseøkonomi↔ compare
- Lasso-regresjonMaskinlæring↔ compare
- Propensity Score MatchingForskningsstatistikk↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →