Машинне навчання-доповнена подвійно робастна оцінка (ML-DR)
Машинне навчання-доповнена подвійно робастна (ML-DR) оцінка поєднує класичну подвійно робастну (AIPW) стратегію ідентифікації з гнучкими моделями машинного навчання для допоміжних функцій — функції прихильності та регресії результату. Результатом є причинний оцінювач, який є послідовним, якщо будь-який компонент ML правильно специфікований, і який досягає дійсного, кореневого n-висновку, навіть коли допоміжні моделі оцінюються за допомогою високорозмірної регуляризації або непараметричних учнів.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
- Farrell, M. H., Liang, T., & Misra, S. (2021). Deep Neural Networks for Estimation and Inference. Econometrica, 89(1), 181-213. DOI: 10.3982/ECTA16901 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Machine Learning-Augmented Doubly Robust Estimation. ScholarGate. https://scholargate.app/uk/causal-inference/machine-learning-augmented-doubly-robust-estimation
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.
- Різниця різниць (Diff-in-Diff)Економетрика↔ compare
- Подвійне робастне оцінювання (AIPW)Причинно-наслідковий висновок↔ compare
- Зважування за оберненою ймовірністю лікування (IPW / IPTW)Причинно-наслідковий висновок↔ compare
- Машинне навчання з доповненням зіставленням за показником схильностіПричинно-наслідковий висновок↔ compare
- Маргінальна структурна модель (MSM)Причинно-наслідковий висновок↔ compare
- Зважування за показником схильності (PSW / IPW)Причинно-наслідковий висновок↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →