Ulepszony test placebo wspomagany uczeniem maszynowym
Ulepszony test placebo wspomagany uczeniem maszynowym to technika walidacji wnioskowania przyczynowego, która wykorzystuje elastyczne estymatory uczenia maszynowego (ML) — takie jak lasy przyczynowe, LASSO czy podwójne/zdebiadowane ML — do przeprowadzania kontroli falsyfikacyjnych strategii identyfikacji. Zastępując rzeczywiste przypisania interwencji placebo (fałszywymi) przypisaniami i weryfikując, czy oszacowany efekt spada do zera, badacze potwierdzają, że ich wnioski przyczynowe nie są artefaktami błędnej specyfikacji modelu lub czynników zakłócających.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Machine Learning-Augmented Placebo Test for Causal Identification. ScholarGate. https://scholargate.app/pl/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.
- Metoda różnic w różnicach (Diff-in-Diff)Ekonometria↔ compare
- Metoda zmiennych instrumentalnych (IV) do wnioskowania przyczynowegoEkonomika zdrowia↔ compare
- Metoda syntetycznej kontroli (SCM)Wnioskowanie przyczynowe↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →