Double Robustness

新方法增强了机器学习因果推断中的协变量选择

一篇新的研究论文介绍了一种改进双重稳健双重/去偏机器学习（DML）在因果推断中协变量选择的方法。所提出的方法包括使用倾向得分模型和结果模型选择的协变量的并集来重新估计这些模型。该技术旨在比使用单独的协变量集更有效地减少混淆偏差，模拟结果证明了这一点。研究结果还表明，基于机器学习的估计并不总是优于传统的双重稳健估计，并且后 Lasso 方法可以比标准 Lasso 减少更多的混淆偏差。