Bộ ước lượng khớp tăng cường học máy
Bộ ước lượng khớp tăng cường học máy kết hợp phương pháp khớp láng giềng gần nhất (nearest-neighbor) hoặc điểm xu hướng (propensity-score) cổ điển với các thuật toán học máy (ML) — như lasso, rừng ngẫu nhiên (random forests), hoặc tăng cường độ dốc (gradient boosting) — để lựa chọn các đồng biến, ước lượng điểm xu hướng và hiệu chỉnh sai lệch còn sót lại. Kết quả là một bộ ước lượng nhân quả dựa trên khớp, vẫn hợp lệ trong trường hợp nhiễu đa chiều mà phương pháp khớp được chỉ định thủ công truyền thống thất bại.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Bản đồ phương pháp
Lân cận của các phương pháp liên quan — chọn một nút để khám phá.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Machine Learning-Augmented Matching Estimator for Causal Inference. ScholarGate. https://scholargate.app/vi/causal-inference/machine-learning-augmented-matching-estimator
Phương pháp nào?
Đặt phương pháp này bên cạnh những phương pháp gần gũi nhất với nó và đọc chúng song song — thư viện bày sách lên bàn; lựa chọn là của bạn.
- Ước lượng Mạnh mẽ Kép (AIPW)Suy luận nhân quả↔ so sánh
- Trọng số Xác suất Nghịch đảo của Điều trị (IPW / IPTW)Suy luận nhân quả↔ so sánh
- Ước lượng mạnh mẽ kép tăng cường học máy (ML-DR)Suy luận nhân quả↔ so sánh
- Ước lượng khớp cặpSuy luận nhân quả↔ so sánh
- Ghép cặp điểm xu hướngThống kê nghiên cứu↔ so sánh
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →