Doubly Robust Estimation of Heterogeneous Treatment Effects
Більшість причинно-наслідкових методів повідомляють один середній ефект лікування для всіх. Але на практиці ефект ліків, політики чи програми зазвичай варіюється між індивідами: молодші пацієнти можуть реагувати по-різному, ніж старші, домогосподарства з низьким доходом можуть отримати більше користі, ніж домогосподарства з високим доходом. Подвійне робастне оцінювання HTE конструює скоригований псевдо-результат для кожної одиниці, який поєднує прогнозовані результати за умов лікування та контролю з корекцією оберненої псевдоімовірності. Якщо прогнози результату або псевдоімовірності правильні, псевдо-результат є незміщеним, а будь-яка гнучка регресія цього псевдо-результату на коваріати дає узгоджену поверхню CATE — карту того, як причинно-наслідковий ефект варіюється залежно від індивідуальних характеристик.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Карта методів
Околиця споріднених методів — виберіть вузол, щоб дослідити.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Doubly Robust Estimation of Heterogeneous Treatment Effects. ScholarGate. https://scholargate.app/uk/causal-inference/heterogeneous-treatment-effect-doubly-robust-estimation
Який метод?
Поставте цей метод поруч із його найближчими спорідненими й читайте їх пліч-о-пліч — бібліотека викладає книги на стіл; вибір за вами.
- Подвійне робастне оцінювання (AIPW)Причинно-наслідковий висновок↔ порівняти
- Зважування за оберненою ймовірністю лікування (IPW / IPTW)Причинно-наслідковий висновок↔ порівняти
- Машинне навчання-доповнена подвійно робастна оцінка (ML-DR)Причинно-наслідковий висновок↔ порівняти
- Маргінальна структурна модель (MSM)Причинно-наслідковий висновок↔ порівняти
- Зважування за показником схильності (PSW / IPW)Причинно-наслідковий висновок↔ порівняти
Similar methods
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →