Regression modelQuasi-experimental / causal inference

การวิเคราะห์ความไวที่เสริมด้วยการเรียนรู้ของเครื่องเพื่อหาความเป็นเหตุเป็นผล

การวิเคราะห์ความไวที่เสริมด้วยการเรียนรู้ของเครื่อง (Machine learning-augmented sensitivity analysis) เป็นการผสมผสานระหว่างตัวประมาณค่า ML ที่มีความยืดหยุ่นกับการตรวจสอบความทนทานอย่างเป็นทางการ เพื่อประเมินว่าต้องมีตัวแปรกวนที่ไม่ได้วัด (unmeasured confounding) มากเพียงใดจึงจะสามารถลบล้างข้อสรุปเชิงสาเหตุได้ วิธีการนี้มีรากฐานมาจากกรอบการทำงาน double/debiased ML ของ Chernozhukov และคณะ และเครื่องมือวิเคราะห์ความไวต่ออคติจากตัวแปรที่ถูกละเลย (omitted-variable-bias sensitivity tools) ของ Cinelli และ Hazlett โดยสามารถปรับแก้ตัวแปรร่วม (covariate adjustment) ที่มีมิติสูง และสื่อสารความไม่แน่นอนที่เหลืออยู่เกี่ยวกับตัวแปรกวนที่ไม่ได้สังเกตได้อย่างโปร่งใส

เปิดใน MethodMindเร็ว ๆ นี้วิดีโอเร็ว ๆ นี้Download slides

อ่านวิธีฉบับเต็ม

สำหรับสมาชิกเท่านั้น

เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้

เข้าสู่ระบบ

Method map

The neighbourhood of related methods — select a node to explore.

การวิเคราะห์ความไวที่เสริมด้วยการเรียนรู้ของเครื่องเพื่อหาความเป็นเหตุเป็นผล
Difference-in-Difference…วิธีการตัวแปรเครื่องมือ…การจับคู่คะแนนแนวโน้มการออกแบบการถดถอยแบบไม่ต…ระเบียบวิธีสังเคราะห์หน่…

แหล่งอ้างอิง

  1. Cinelli, C., & Hazlett, C. (2020). Making sense of sensitivity: extending omitted variable bias. Journal of the Royal Statistical Society: Series B (Statistical Methodology), 82(1), 39-67. DOI: 10.1111/rssb.12348
  2. 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). Machine Learning-Augmented Sensitivity Analysis for Causal Inference. ScholarGate. https://scholargate.app/th/causal-inference/machine-learning-augmented-sensitivity-analysis-for-causality

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.

Compare side by side
ScholarGateMachine Learning-Augmented Sensitivity Analysis for Causality (Machine Learning-Augmented Sensitivity Analysis for Causal Inference). สืบค้นเมื่อ 2026-06-15 จาก https://scholargate.app/th/causal-inference/machine-learning-augmented-sensitivity-analysis-for-causality · ชุดข้อมูล: https://doi.org/10.5281/zenodo.20539026