Maskinlærings-augmentert stedfortest
Den maskinlærings-augmenterte stedfortesten er en teknikk for kausal inferens-validering som bruker fleksible ML-estimatorer – slik som kausalskoger, LASSO eller dobbel/debiased ML – for å utføre falsifiseringssjekker på en identifikasjonsstrategi. Ved å erstatte reelle behandlingsallokeringer med stedfortreder (falske) allokeringer og verifisere at den estimerte effekten kollapser til null, bekrefter forskere at deres kausale funn ikke er artefakter av modellfeilspesifikasjon eller konfundering.
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 ↗
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Machine Learning-Augmented Placebo Test for Causal Identification. ScholarGate. https://scholargate.app/no/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.
- Differanse-i-differanser (DiD)Økonometri↔ compare
- Instrumentelle variabler (IV) metode for kausal inferensHelseøkonomi↔ compare
- Syntetisk kontrollmetode (SCM)Kausal inferens↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →