Efecte de Tratament Eterogene (CATE / Meta-învățători)
Efectele de Tratament Eterogene reprezintă un cadru de învățare automată care estimează cum variază efectul unui tratament între indivizi — efectul mediu de tratament condiționat (CATE). Acesta grupează strategii de meta-învățare precum T-Learner, S-Learner, X-Learner și R-Learner, alături de pădurea cauzală a lui Wager și Athey (2018) și Künzel et al. (2019).
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Harta metodelor
Vecinătatea metodelor înrudite — selectați un nod pentru a explora.
Surse
- Wager, S. & Athey, S. (2018). Estimation and Inference of Heterogeneous Treatment Effects using Random Forests. Journal of the American Statistical Association. DOI: 10.1080/01621459.2017.1319839 ↗
- Künzel, S. R., Sekhon, J. S., Bickel, P. J. & Yu, B. (2019). Metalearners for Estimating Heterogeneous Treatment Effects using Machine Learning. Proceedings of the National Academy of Sciences (PNAS). DOI: 10.1073/pnas.1804597116 ↗
Cum se citează această pagină
ScholarGate. (2026, June 1). Heterogeneous Treatment Effects (CATE / Meta-Learners). ScholarGate. https://scholargate.app/ro/causal-inference/heterogeneous-treatment-effects
Ce metodă?
Așezați această metodă lângă cele mai apropiate rude și citiți-le alăturat — biblioteca pune cărțile pe masă; alegerea vă aparține.
- Algoritmi de Descoperire Cauzală (PC, FCI, LiNGAM)Inferență cauzală↔ compară
- Ajustarea Frontdoor (Criteriul Frontdoor)Inferență cauzală↔ compară
- Potrivirea scorului de propensitateStatistică pentru cercetare↔ compară
- Designul de discontinuitate a regresiei (RDD)Inferență cauzală↔ compară
- Two-Stage Least Squares (2SLS)Inferență cauzală↔ compară
Citat de
Similar methods
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →