Maskinlæringsforsterket matching-estimator
Maskinlæringsforsterket matching-estimator kombinerer klassisk nearest-neighbor- eller propensity-score-matching med ML-algoritmer – som lasso, random forests eller gradient boosting – for å velge kovariater, estimere propensity-scorer og korrigere for restfeil. Resultatet er en matching-basert kausal estimator som forblir gyldig under høydimensjonal konfundering der tradisjonell manuell spesifisert matching feiler.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Metodekart
Nabolaget av beslektede metoder — velg en node for å utforske.
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 ↗
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Machine Learning-Augmented Matching Estimator for Causal Inference. ScholarGate. https://scholargate.app/no/causal-inference/machine-learning-augmented-matching-estimator
Hvilken metode?
Sett denne metoden ved siden av sin nærmeste slektning og les dem side om side — biblioteket legger bøkene på bordet; valget er ditt.
- Dobbel robust estimering (AIPW)Kausal inferens↔ sammenlign
- Inverse Probability of Treatment Weighting (IPW / IPTW)Kausal inferens↔ sammenlign
- Maskinlærings-augmentert dobbelt robust estimering (ML-DR)Kausal inferens↔ sammenlign
- Matching-estimatorKausal inferens↔ sammenlign
- Propensity Score MatchingForskningsstatistikk↔ sammenlign
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →