Estimativa Duplamente Robusta Aumentada por Aprendizado de Máquina (ML-DR)

A estimativa duplamente robusta aumentada por aprendizado de máquina (ML-DR) combina a estratégia clássica de identificação duplamente robusta (AIPW) com modelos flexíveis de aprendizado de máquina para as funções de incômodo — o escore de propensão e a regressão do resultado. O resultado é um estimador causal que é consistente se qualquer componente de ML for especificado corretamente, e que alcança inferência válida em taxa raiz de n, mesmo quando os modelos de incômodo são estimados com regularização de alta dimensionalidade ou aprendizes não paramétricos.