Fuzzy regresný diskontinuitný dizajn rozšírený o strojové učenie
ML-augmentovaný fuzzy RDD rozširuje klasický fuzzy regresný diskontinuitný dizajn nahradením parametrických polynomiálnych aproximácií flexibilnými odhadmi strojového učenia. Kým štandardný fuzzy RDD používa odhadovanie v štýle IV pri prahovej hodnote s nedokonalou dodržiavanosťou, ML-augmentovaná varianta využíva neparametrické učenie – ako sú náhodné lesy alebo neurónové siete – na modelovanie výsledku aj pravdepodobnosti liečby v prvom stupni v blízkosti hraničnej hodnoty, čím sa znižuje skreslenie z nesprávnej špecifikácie pri zachovaní kauzálnej identifikácie.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Mapa metód
Okolie príbuzných metód — vyberte uzol na preskúmanie.
Zdroje
- Hahn, J., Todd, P., & Van der Klaauw, W. (2001). Identification and estimation of treatment effects with a regression-discontinuity design. Review of Economic Studies, 68(1), 201-209. DOI: 10.1111/1468-0262.00183 ↗
- Semenova, V., & Chernozhukov, V. (2021). Debiased machine learning of conditional average treatment effects and other causal functions. The Econometrics Journal, 24(2), 264-289. DOI: 10.1093/ectj/utaa027 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Machine Learning-Augmented Fuzzy Regression Discontinuity Design. ScholarGate. https://scholargate.app/sk/causal-inference/machine-learning-augmented-fuzzy-regression-discontinuity
Ktorá metóda?
Postavte túto metódu vedľa jej najbližších príbuzných a čítajte ich vedľa seba — knižnica vám knihy položí na stôl; voľba je na vás.
- Metóda rozdielu rozdielov (Diff-in-Diff)Ekonometria↔ porovnať
- Dvojito robustná (AIPW) estmáciaKauzálna inferencia↔ porovnať
- Fuzzy Regression Discontinuity DesignKauzálna inferencia↔ porovnať
- Metóda instrumentálnych premenných (IV) pre kauzálnu inferenciuEkonomika zdravotníctva↔ porovnať
- Regresný diskontinuálny dizajn obohatený o strojové učenieKauzálna inferencia↔ porovnať
Similar methods
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →