Тест с плацебо, дополненный машинным обучением
Тест с плацебо, дополненный машинным обучением, — это метод валидации причинно-следственных связей, который использует гибкие оценщики машинного обучения — такие как причинные леса, LASSO или двойное/смещенное машинное обучение — для проведения проверок на фальсификацию стратегии идентификации. Заменяя реальные назначения лечения плацебо (фиктивными) назначениями и проверяя, что оцененный эффект сводится к нулю, исследователи подтверждают, что их причинные выводы не являются артефактами неверной спецификации модели или смешивания.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Карта метода
Окружение родственных методов — выберите узел, чтобы перейти к нему.
Источники
- 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 ↗
- Athey, S., & Imbens, G. W. (2019). Machine learning methods that economists should know about. Annual Review of Economics, 11, 685-725. DOI: 10.1146/annurev-economics-080217-053433 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Machine Learning-Augmented Placebo Test for Causal Identification. ScholarGate. https://scholargate.app/ru/causal-inference/machine-learning-augmented-placebo-test
Какой метод?
Поставьте этот метод рядом с ближайшими родственными и прочитайте их бок о бок — библиотека выкладывает книги на стол, а выбор за вами.
- Разность разностей (Difference-in-Differences, DiD)Эконометрика↔ сравнить
- Метод инструментальных переменных (ИП) для причинно-следственного выводаЭкономика здравоохранения↔ сравнить
- Синтетический метод контроля (SCM)Причинно-следственный вывод↔ сравнить
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →