ScholarGate
Ассистент
Regression modelQuasi-experimental / causal inference

Оценщик на основе согласования с расширением машинного обучения

Оценщик на основе согласования с расширением машинного обучения (ML-augmented matching estimator) объединяет классическое согласование по ближайшим соседям или по показателю склонности с алгоритмами машинного обучения — такими как лассо, случайные леса или градиентный бустинг — для выбора ковариат, оценки показателя склонности и коррекции остаточного смещения. Результатом является причинный оценщик на основе согласования, который остается действительным при наличии высокоразмерного смешения, где традиционное согласование, заданное вручную, терпит неудачу.

Открыть в MethodMindСкороВидеоСкороСкачать слайды

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. 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
  2. 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

Как цитировать эту страницу

ScholarGate. (2026, June 3). Machine Learning-Augmented Matching Estimator for Causal Inference. ScholarGate. https://scholargate.app/ru/causal-inference/machine-learning-augmented-matching-estimator

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
ScholarGateMachine Learning-Augmented Matching Estimator (Machine Learning-Augmented Matching Estimator for Causal Inference). Получено 2026-06-15 из https://scholargate.app/ru/causal-inference/machine-learning-augmented-matching-estimator · Набор данных: https://doi.org/10.5281/zenodo.20539026