新方法校正因果森林估计中的偏差

研究人员在用于固定效应面板设置的因果森林中发现了一个系统性的衰减问题。这种平均化过程压缩了条件平均处理效应的估计异质性，导致预测值的分布范围减小。该研究提出了一种交叉拟合校正方法，该方法改编自现有工作，在模拟中显著降低了均方误差，并在真实世界数据中恢复了预期的分布范围。 AI

影响 为因果推断方法引入了一种新颖的统计校正方法，有望提高各领域处理效应估计的准确性。

排序理由 该条目是发表在arXiv上的学术论文，详细介绍了一种新的统计方法及其实现。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv stat.ML 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• causalfe
• Causal Forests
• Chernozhukov et al.
• Connected Papers
• DagsHub
• Gotit.pub
• Hugging Face
• Litmaps
• Python
• ScienceCast
• Scite

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →