Równoważenie entropijne heterogenicznych efektów oddziaływania
Równoważenie entropijne heterogenicznych efektów oddziaływania (Heterogeneous Treatment Effect Entropy Balancing) łączy równoważenie entropijne — krok wstępnego przetwarzania, który ponownie waży jednostki kontrolne w celu dopasowania do grupy poddanej oddziaływaniu pod względem momentów kowariancji — z metodami szacującymi, jak efekt oddziaływania zmienia się w zależności od podgrup lub jednostek. Metoda ta generuje wagi zrównoważone pod względem kowariancji bez parametrycznych modeli skłonności, a następnie wykorzystuje te wagi do oszacowania warunkowych średnich efektów oddziaływania (CATE) w zależności od zmiennych moderujących.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Mapa metod
Sąsiedztwo pokrewnych metod — wybierz węzeł, aby je zgłębić.
Źródła
- Hainmueller, J. (2012). Entropy balancing for causal effects: A multivariate reweighting method to produce balanced samples in observational studies. Political Analysis, 20(1), 25-46. DOI: 10.1093/pan/mpr025 ↗
- Athey, S., & Imbens, G. W. (2016). Recursive partitioning for heterogeneous causal effects. Proceedings of the National Academy of Sciences, 113(27), 7353-7360. DOI: 10.1073/pnas.1510489113 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Heterogeneous Treatment Effect Estimation with Entropy Balancing. ScholarGate. https://scholargate.app/pl/causal-inference/heterogeneous-treatment-effect-entropy-balancing
Która metoda?
Zestaw tę metodę z najbliższymi jej krewnymi i czytaj je obok siebie — biblioteka kładzie księgi na stole; wybór należy do Ciebie.
- Estymacja podwójnie odporna (AIPW)Wnioskowanie przyczynowe↔ porównaj
- Entropy BalancingWnioskowanie przyczynowe↔ porównaj
- Heterogeneous Treatment Effect Propensity Score MatchingWnioskowanie przyczynowe↔ porównaj
- Ważenie odwrotnością prawdopodobieństwa leczenia (IPW / IPTW)Wnioskowanie przyczynowe↔ porównaj
- Ważenie z wykorzystaniem wyniku skłonności (PSW / IPW)Wnioskowanie przyczynowe↔ porównaj
Similar methods
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →