Estimador de Pareamento Aumentado por Aprendizado de Máquina
O estimador de pareamento aumentado por aprendizado de máquina (ML) combina o pareamento clássico por vizinhos mais próximos ou escore de propensão com algoritmos de ML — como lasso, random forests ou gradient boosting — para selecionar covariáveis, estimar escores de propensão e corrigir vieses residuais. O resultado é um estimador causal baseado em pareamento que permanece válido em cenários de confundimento de alta dimensionalidade onde o pareamento tradicional especificado manualmente falha.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
- Abadie, A., & Imbens, G. W. (2006). Large sample properties of matching estimators for average treatment effects. Econometrica, 74(1), 235-267. DOI: 10.1111/j.1468-0262.2006.00655.x ↗
Como citar esta página
ScholarGate. (2026, June 3). Machine Learning-Augmented Matching Estimator for Causal Inference. ScholarGate. https://scholargate.app/pt/causal-inference/machine-learning-augmented-matching-estimator
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.
- Estimativa Duplamente Robusta (AIPW)Inferência causal↔ compare
- Ponderação pela Probabilidade Inversa de Tratamento (IPW / IPTW)Inferência causal↔ compare
- Estimativa Duplamente Robusta Aumentada por Aprendizado de Máquina (ML-DR)Inferência causal↔ compare
- Estimador de PareamentoInferência causal↔ compare
- Propensity Score MatchingEstatística para pesquisa↔ compare
Encontrou um problema nesta página? Relate ou sugira uma correção →