ScholarGate
Ассистент
Regression modelQuasi-experimental / causal inference

Двойная робастная оценка гетерогенных эффектов воздействия

Двойная робастная оценка гетерогенных эффектов воздействия (HTE) оценивает, как причинно-следственный эффект воздействия варьируется в зависимости от подгрупп или индивидуальных значений ковариат. Комбинируя модель исхода и модель склонности к воздействию, она сохраняет состоятельность, если одна из моделей указана корректно, и поддерживает гибкие оценщики помех на основе машинного обучения посредством перекрестной проверки для получения достоверных оценок условного среднего эффекта воздействия (CATE).

Открыть в MethodMindСкороApply, compare, get guidance
Tools & resources
Скачать слайды
Learn & explore
ВидеоСкоро

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Карта метода

Окружение родственных методов — выберите узел, чтобы перейти к нему.

Источники

  1. Kennedy, E. H. (2023). Towards optimal doubly robust estimation of heterogeneous causal effects. Electronic Journal of Statistics, 17(2), 3008-3049. DOI: 10.1214/23-EJS2157
  2. 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

Как цитировать эту страницу

ScholarGate. (2026, June 3). Doubly Robust Estimation of Heterogeneous Treatment Effects. ScholarGate. https://scholargate.app/ru/causal-inference/heterogeneous-treatment-effect-doubly-robust-estimation

Какой метод?

Поставьте этот метод рядом с ближайшими родственными и прочитайте их бок о бок — библиотека выкладывает книги на стол, а выбор за вами.

Сравнить рядом
ScholarGateHeterogeneous treatment effect Doubly robust estimation (Doubly Robust Estimation of Heterogeneous Treatment Effects). Получено 2026-06-17 из https://scholargate.app/ru/causal-inference/heterogeneous-treatment-effect-doubly-robust-estimation · Набор данных: https://doi.org/10.5281/zenodo.20539026