Buchumschlag

Model Averaging and Double Machine Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ahrens, Achim, Hansen, Christian B., Schaffer, Mark E., Wiemann, Thomas
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Econometrics Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Model Averaging and Double Machine Learning
von: Achim Ahrens, et al.
Veröffentlicht: (2025)

ddml: Double/debiased machine learning in Stata
von: Ahrens, Achim, et al.
Veröffentlicht: (2023)

An Introduction to Double/Debiased Machine Learning
von: Ahrens, Achim, et al.
Veröffentlicht: (2025)

Optimal Categorical Instrumental Variables
von: Wiemann, Thomas
Veröffentlicht: (2023)

Double/Debiased Machine Learning for Treatment and Causal Parameters
von: Chernozhukov, Victor, et al.
Veröffentlicht: (2016)

Improving the Finite Sample Estimation of Average Treatment Effects using Double/Debiased Machine Learning with Propensity Score Calibration
von: Ballinari, Daniele, et al.
Veröffentlicht: (2024)

Double Machine Learning for Static Panel Models with Fixed Effects
von: Clarke, Paul S., et al.
Veröffentlicht: (2023)

Inference for Regression with Variables Generated by AI or Machine Learning
von: Battaglia, Laura, et al.
Veröffentlicht: (2024)

Double Robust Bayesian Inference on Average Treatment Effects
von: Breunig, Christoph, et al.
Veröffentlicht: (2022)

Double Machine Learning for Causal Inference under Shared-State Interference
von: Hays, Chris, et al.
Veröffentlicht: (2025)

Hyperparameter Tuning for Causal Inference with Double Machine Learning: A Simulation Study
von: Bach, Philipp, et al.
Veröffentlicht: (2024)

Difference-in-Differences with Time-varying Continuous Treatments using Double/Debiased Machine Learning
von: Haddad, Michel F. C., et al.
Veröffentlicht: (2024)

xtdml: Double Machine Learning Estimation to Static Panel Data Models with Fixed Effects in R
von: Polselli, Annalivia
Veröffentlicht: (2025)

DoubleML -- An Object-Oriented Implementation of Double Machine Learning in R
von: Bach, Philipp, et al.
Veröffentlicht: (2021)

Estimating Causal Effects with Double Machine Learning -- A Method Evaluation
von: Fuhr, Jonathan, et al.
Veröffentlicht: (2024)

Double Machine Learning meets Panel Data -- Promises, Pitfalls, and Potential Solutions
von: Fuhr, Jonathan, et al.
Veröffentlicht: (2024)

Double Machine Learning for Static Panel Data with Instrumental Variables: New Method and Applications
von: Baiardi, Anna, et al.
Veröffentlicht: (2026)

Dynamic Local Average Treatment Effects
von: Sojitra, Ravi B., et al.
Veröffentlicht: (2024)

Unemployment Dynamics Forecasting with Machine Learning Regression Models
von: Kim, Kyungsu
Veröffentlicht: (2025)

Double Machine Learning at Scale to Predict Causal Impact of Customer Actions
von: More, Sushant, et al.
Veröffentlicht: (2024)

Identification of Average Treatment Effects in Nonparametric Panel Models
von: Athey, Susan, et al.
Veröffentlicht: (2025)

Macroeconomic Forecasting and Machine Learning
von: Chi, Ta-Chung, et al.
Veröffentlicht: (2025)

Efficient Adaptive Experimental Design for Average Treatment Effect Estimation
von: Kato, Masahiro, et al.
Veröffentlicht: (2020)

Dual Interpretation of Machine Learning Forecasts
von: Coulombe, Philippe Goulet, et al.
Veröffentlicht: (2024)

Causal Machine Learning for Moderation Effects
von: Bearth, Nora, et al.
Veröffentlicht: (2024)

Estimation in high-dimensional linear regression: Post-Double-Autometrics as an alternative to Post-Double-Lasso
von: Hué, Sullivan, et al.
Veröffentlicht: (2025)

The Uncertainty of Machine Learning Predictions in Asset Pricing
von: Liao, Yuan, et al.
Veröffentlicht: (2025)

Anytime-Valid Inference for Double/Debiased Machine Learning of Causal Parameters
von: Dalal, Abhinandan, et al.
Veröffentlicht: (2024)

Double Machine Learning of Continuous Treatment Effects with General Instrumental Variables
von: Chen, Shuyuan, et al.
Veröffentlicht: (2026)

A Double Machine Learning Approach to Combining Experimental and Observational Data
von: Parikh, Harsh, et al.
Veröffentlicht: (2023)

The Post Double LASSO for Efficiency Analysis
von: Parmeter, Christopher, et al.
Veröffentlicht: (2025)

Cross-Fitting-Free Debiased Machine Learning with Multiway Dependence
von: Chen, Kaicheng, et al.
Veröffentlicht: (2026)

Enhancing Poverty Targeting with Spatial Machine Learning: An application to Indonesia
von: Martinez, Rolando Gonzales, et al.
Veröffentlicht: (2025)

Applied Causal Inference Powered by ML and AI
von: Chernozhukov, Victor, et al.
Veröffentlicht: (2024)

A Granular Framework for Construction Material Price Forecasting: Econometric and Machine-Learning Approaches
von: Lyu, Boge, et al.
Veröffentlicht: (2025)

Navigating Inflation in Ghana: How Can Machine Learning Enhance Economic Stability and Growth Strategies
von: Baidoo, Theophilus G., et al.
Veröffentlicht: (2024)

Triple/Debiased Lasso for Statistical Inference of Conditional Average Treatment Effects
von: Kato, Masahiro
Veröffentlicht: (2024)

Can Moran Eigenvectors Improve Machine Learning of Spatial Data? Insights from Synthetic Data Validation
von: Li, Ziqi, et al.
Veröffentlicht: (2025)

Educational Effects in Mathematics: Conditional Average Treatment Effect depending on the Number of Treatments
von: Nagai, Tomoko, et al.
Veröffentlicht: (2024)

Machine-Learning-Assisted Comparison of Regression Functions
von: Yan, Jian, et al.
Veröffentlicht: (2025)