Машинне навчання з доповненням інструментальними змінними (ML-IV)
Машинне навчання з доповненням інструментальними змінними поєднує причинну ідентифікаційну силу класичних IV з сучасним високорозмірним машинним навчанням — використовуючи такі методи, як LASSO, випадкові ліси або нейронні мережі для вибору дійсних інструментів та моделювання функцій завади, тим самим покращуючи відповідність першого етапу та забезпечуючи дійсні висновки, навіть коли кількість потенційних інструментів або контрольних змінних є великою відносно розміру вибірки.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Карта методів
Околиця споріднених методів — виберіть вузол, щоб дослідити.
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 ↗
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Machine Learning-Augmented Instrumental Variables Estimation. ScholarGate. https://scholargate.app/uk/causal-inference/machine-learning-augmented-instrumental-variables
Який метод?
Поставте цей метод поруч із його найближчими спорідненими й читайте їх пліч-о-пліч — бібліотека викладає книги на стіл; вибір за вами.
- Регресія методом двоступеневого найменшого відхилення (2SLS / IV)Економетрика↔ порівняти
- Метод інструментальних змінних (ІЗ) для причинно-наслідкового висновкуЕкономіка охорони здоров'я↔ порівняти
- Lasso-регресіяМашинне навчання↔ порівняти
- Зіставлення за показником схильностіСтатистика досліджень↔ порівняти
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →