ตัวแปรเครื่องมือเสริมการเรียนรู้ของเครื่อง (ML-IV)
ตัวแปรเครื่องมือเสริมการเรียนรู้ของเครื่องเป็นการรวมพลังของการระบุสาเหตุของตัวแปรเครื่องมือแบบดั้งเดิมเข้ากับการเรียนรู้ของเครื่องมิติสูงที่ทันสมัย โดยใช้วิธีการต่างๆ เช่น LASSO, random forests หรือ neural networks เพื่อเลือกตัวแปรเครื่องมือที่ถูกต้องและสร้างแบบจำลองฟังก์ชันรบกวน ซึ่งจะช่วยปรับปรุงความเหมาะสมของขั้นตอนแรกและช่วยให้สามารถอนุมานได้อย่างถูกต้องแม้ในกรณีที่จำนวนตัวแปรเครื่องมือหรือตัวควบคุมที่เป็นไปได้มีจำนวนมากเมื่อเทียบกับขนาดตัวอย่าง
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
- Belloni, A., Chen, D., Chernozhukov, V., & Hansen, C. (2012). Sparse models and methods for optimal instruments with an application to eminent domain. Econometrica, 80(6), 2369-2429. DOI: 10.3982/ECTA9626 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Machine Learning-Augmented Instrumental Variables Estimation. ScholarGate. https://scholargate.app/th/causal-inference/machine-learning-augmented-instrumental-variables
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- การถดถอยกำลังสองน้อยที่สุดสองขั้นตอน (2SLS / IV)เศรษฐมิติ↔ compare
- วิธีการตัวแปรเครื่องมือ (IV) สำหรับการอนุมานเชิงสาเหตุเศรษฐศาสตร์สุขภาพ↔ compare
- Lasso Regressionการเรียนรู้ของเครื่อง↔ compare
- การจับคู่คะแนนแนวโน้มสถิติการวิจัย↔ compare