การประมาณค่าผลกระทบของการรักษาที่แตกต่างกันแบบทวีคูณความทนทาน (Doubly Robust Estimation of Heterogeneous Treatment Effects)
การประมาณค่าผลกระทบของการรักษาที่แตกต่างกันแบบทวีคูณความทนทาน (HTE) เป็นการประมาณว่าผลกระทบเชิงสาเหตุของการรักษาแตกต่างกันไปตามกลุ่มย่อยหรือค่าตัวแปรร่วมเฉพาะบุคคลอย่างไร โดยการรวมแบบจำลองผลลัพธ์และแบบจำลองคะแนนแนวโน้ม (propensity score model) เข้าด้วยกัน วิธีนี้จะรักษาความสอดคล้องหากแบบจำลองใดแบบจำลองหนึ่งได้รับการระบุไว้อย่างถูกต้อง และรองรับตัวประมาณค่ารบกวน (nuisance estimators) แบบการเรียนรู้ของเครื่องที่ยืดหยุ่นผ่านการจับคู่ไขว้ (cross-fitting) เพื่อให้ได้ค่าประมาณผลกระทบของการรักษาเฉลี่ยแบบมีเงื่อนไข (CATE) ที่ถูกต้อง
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
แผนที่ระเบียบวิธี
ย่านของระเบียบวิธีที่เกี่ยวข้องกัน — เลือกโหนดเพื่อสำรวจ
แหล่งอ้างอิง
- Kennedy, E. H. (2023). Towards optimal doubly robust estimation of heterogeneous causal effects. Electronic Journal of Statistics, 17(2), 3008-3049. DOI: 10.1214/23-EJS2157 ↗
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Doubly Robust Estimation of Heterogeneous Treatment Effects. ScholarGate. https://scholargate.app/th/causal-inference/heterogeneous-treatment-effect-doubly-robust-estimation
ระเบียบวิธีใด?
วางระเบียบวิธีนี้เคียงข้างระเบียบวิธีใกล้เคียงที่สุด แล้วอ่านเปรียบเทียบกัน — คลังวางหนังสือไว้บนโต๊ะให้แล้ว ส่วนการเลือกเป็นของท่าน
- การประมาณค่าแบบทนทานสองเท่า (AIPW)การอนุมานเชิงสาเหตุ↔ เปรียบเทียบ
- Inverse Probability Weighting (IPW / IPTW) การถ่วงน้ำหนักด้วยความน่าจะเป็นผกผันการอนุมานเชิงสาเหตุ↔ เปรียบเทียบ
- การประมาณค่าความแกร่งสองเท่าที่เสริมด้วยการเรียนรู้ของเครื่อง (ML-DR)การอนุมานเชิงสาเหตุ↔ เปรียบเทียบ
- แบบจำลองโครงสร้างส่วนเพิ่ม (Marginal Structural Model: MSM)การอนุมานเชิงสาเหตุ↔ เปรียบเทียบ
- การถ่วงน้ำหนักด้วยคะแนนแนวโน้ม (Propensity Score Weighting - PSW / IPW)การอนุมานเชิงสาเหตุ↔ เปรียบเทียบ