Vlerësimi Kunderfaktual i Ndikimit i Përforcuar me Mësim Makinerik
Vlerësimi kundërfaktual i ndikimit i përforcuar me mësim makinerik kombinon besueshmërinë e inferencës kauzale të rezultateve potenciale me fleksibilitetin e algoritmeve moderne të ML. Në vend që të imponojnë forma funksionale parametrike për konfonduesit, algoritmet e ML — si lasso, pyjet e rastësishëm, ose rrjetat nervore — vlerësojnë funksionet e bezdisshme (rezultatet e prirjes, regresionet e rezultatit) të cilat më pas përdoren për të ndërtuar vlerësime afërsisht të paanshme të efekteve kauzale. Instancimi kanonik është Mësimi Makinerik i Dyfishtë/Debiasuar (DML), i formalizuar nga Chernozhukov et al. (2018).
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Harta e metodave
Lagjja e metodave të lidhura — zgjidhni një nyje për të eksploruar.
Burimet
- 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 ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 3). Machine Learning-Augmented Counterfactual Impact Evaluation. ScholarGate. https://scholargate.app/sq/causal-inference/machine-learning-augmented-counterfactual-impact-evaluation
Cila metodë?
Vendoseni këtë metodë pranë të afërmeve të saj më të ngushta dhe lexojini krah për krah — biblioteka i shtron librat mbi tryezë; zgjedhja është e juaja.
- Analiza e Ndikimit ShkakësorInferenca kauzale↔ krahaso
- Vlerësimi i Ndikimit Kontrafaktual (CIE)Inferenca kauzale↔ krahaso
- Diferenca-në-Diferenca (Diff-in-Diff)Ekonometri↔ krahaso
- Përshtatja e Rezultatit të TendencësStatistika e hulumtimit↔ krahaso
- Metoda e Kontrollit Sintetik (SCM)Inferenca kauzale↔ krahaso
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →