Variabile Instrumentale Augmentate cu Învățare Automată (ML-IV)
Variabilele instrumentale augmentate cu învățare automată combină puterea de identificare cauzală a IV-ului clasic cu învățarea automată modernă de înaltă dimensionalitate — utilizând metode precum LASSO, pădurile aleatoare sau rețelele neuronale pentru a selecta instrumente valide și a modela funcții de zgomot, îmbunătățind astfel potrivirea primei etape și permițând inferența validă chiar și atunci când numărul de instrumente potențiale sau controale este mare în raport cu dimensiunea eșantionului.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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 ↗
- Belloni, A., Chen, D., Chernozhukov, V., & Hansen, C. (2012). Sparse models and methods for optimal instruments with an application to eminent domain. Econometrica, 80(6), 2369-2429. DOI: 10.3982/ECTA9626 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Machine Learning-Augmented Instrumental Variables Estimation. ScholarGate. https://scholargate.app/ro/causal-inference/machine-learning-augmented-instrumental-variables
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.
- Regresia prin metoda celor mai mici pătrate în două etape (2SLS / IV)Econometrie↔ compare
- Metoda Variabilelor Instrumentale (IV) pentru Inferența CauzalăEconomia sănătății↔ compare
- Regresia LassoÎnvățare automată↔ compare
- Potrivirea scorului de propensitateStatistică pentru cercetare↔ compare
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →