Heterogeni efekti tretmana (CATE / Meta-učenici)
Heterogeni efekti tretmana predstavljaju okvir mašinskog učenja koji procenjuje kako se efekat tretmana menja među pojedincima — uslovni prosečni efekat tretmana (CATE). On objedinjuje strategije meta-učenika kao što su T-učenik, S-učenik, X-učenik i R-učenik, zajedno sa kauzalnom šumom Wager-a i Athey-a (2018) i Künzel-a et al. (2019).
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Mapa metoda
Okruženje srodnih metoda — izaberite čvor da biste istraživali.
Izvori
- Wager, S. & Athey, S. (2018). Estimation and Inference of Heterogeneous Treatment Effects using Random Forests. Journal of the American Statistical Association. DOI: 10.1080/01621459.2017.1319839 ↗
- Künzel, S. R., Sekhon, J. S., Bickel, P. J. & Yu, B. (2019). Metalearners for Estimating Heterogeneous Treatment Effects using Machine Learning. Proceedings of the National Academy of Sciences (PNAS). DOI: 10.1073/pnas.1804597116 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 1). Heterogeneous Treatment Effects (CATE / Meta-Learners). ScholarGate. https://scholargate.app/sr/causal-inference/heterogeneous-treatment-effects
Koja metoda?
Postavite ovu metodu pored njoj najbližih srodnika i čitajte ih uporedo — biblioteka polaže knjige na sto; izbor je na vama.
- Algoritmi za otkrivanje uzročnosti (PC, FCI, LiNGAM)Kauzalno zaključivanje↔ uporedi
- Prilagođavanje prednjim vratima (Kriterijum prednjih vrata)Kauzalno zaključivanje↔ uporedi
- Uskladiivanje rezultata sklonostiIstraživačka statistika↔ uporedi
- Regresioni prekidni dizajn (RDD)Kauzalno zaključivanje↔ uporedi
- Instrumentne promenljive putem dvostepenog najmanjih kvadrata (IV/2SLS)Kauzalno zaključivanje↔ uporedi
Citirana u
Similar methods
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →