Оцінювач з доповненим машинним навчанням для зіставлення
Оцінювач з доповненим машинним навчанням для зіставлення поєднує класичне зіставлення за найближчими сусідами або за показником схильності з алгоритмами машинного навчання — такими як лассо, випадкові ліси або градієнтний бустинг — для вибору коваріат, оцінки показників схильності та корекції залишкового зміщення. Результатом є причинний оцінювач на основі зіставлення, який залишається дійсним за умов високорозмірного змішування, де традиційне ручне зіставлення зазнає невдачі.
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 ↗
- Abadie, A., & Imbens, G. W. (2006). Large sample properties of matching estimators for average treatment effects. Econometrica, 74(1), 235-267. DOI: 10.1111/j.1468-0262.2006.00655.x ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Machine Learning-Augmented Matching Estimator for Causal Inference. ScholarGate. https://scholargate.app/uk/causal-inference/machine-learning-augmented-matching-estimator
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.
- Подвійне робастне оцінювання (AIPW)Причинно-наслідковий висновок↔ compare
- Зважування за оберненою ймовірністю лікування (IPW / IPTW)Причинно-наслідковий висновок↔ compare
- Машинне навчання-доповнена подвійно робастна оцінка (ML-DR)Причинно-наслідковий висновок↔ compare
- Оцінювач на основі зіставленняПричинно-наслідковий висновок↔ compare
- Зіставлення за показником схильностіСтатистика досліджень↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →