Ulepszona analizą wrażliwości uczeniem maszynowym dla przyczynowości
Ulepszona analizą wrażliwości uczeniem maszynowym łączy elastyczne estymatory uczenia maszynowego z formalnymi testami odporności, aby ocenić, jak duża niezmierzona konfundencja byłaby potrzebna do obalenia wniosku przyczynowego. Oparta na podwójnej/zdebiadowanej ramie uczenia maszynowego Chernozhukova i wsp. oraz narzędziach Cinellego i Hazletta do analizy wrażliwości na pominięte zmienne, zapewnia zarówno wysokowymiarową korektę kowariantów, jak i przejrzystą komunikację pozostałej niepewności dotyczącej nieobserwowanych konfundentów.
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
- Cinelli, C., & Hazlett, C. (2020). Making sense of sensitivity: extending omitted variable bias. Journal of the Royal Statistical Society: Series B (Statistical Methodology), 82(1), 39-67. DOI: 10.1111/rssb.12348 ↗
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Machine Learning-Augmented Sensitivity Analysis for Causal Inference. ScholarGate. https://scholargate.app/pl/causal-inference/machine-learning-augmented-sensitivity-analysis-for-causality
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
- Dopasowanie wyników skłonnościStatystyka w badaniach↔ compare
- Metoda regresji z nieciągłością (RDD)Wnioskowanie przyczynowe↔ compare
- Metoda syntetycznej kontroli (SCM)Wnioskowanie przyczynowe↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →