Buchumschlag

DoubleMLDeep: Estimation of Causal Effects with Multimodal Data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Klaassen, Sven, Teichert-Kluge, Jan, Bach, Philipp, Chernozhukov, Victor, Spindler, Martin, Vijaykumar, Suhas
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence Econometrics Methodology 62, 91 I.2.0
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Estimation and Uniform Inference in Sparse High-Dimensional Additive Models
von: Bach, Philipp, et al.
Veröffentlicht: (2020)

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

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

Calibration Strategies for Robust Causal Estimation: Theoretical and Empirical Insights on Propensity Score-Based Estimators
von: Klaassen, Sven, et al.
Veröffentlicht: (2025)

Long Story Short: Omitted Variable Bias in Causal Machine Learning
von: Chernozhukov, Victor, et al.
Veröffentlicht: (2021)

Bivariate Distribution Regression; Theory, Estimation and an Application to Intergenerational Mobility
von: Chernozhukov, Victor, et al.
Veröffentlicht: (2025)

Conditional Rank-Rank Regression
von: Chernozhukov, Victor, et al.
Veröffentlicht: (2024)

Multiple Randomization Designs: Estimation and Inference with Interference
von: Masoero, Lorenzo, et al.
Veröffentlicht: (2021)

Estimating Causal Effects of Discrete and Continuous Treatments with Binary Instruments
von: Chernozhukov, Victor, et al.
Veröffentlicht: (2024)

Estimating Causal Effects with Observational Data: Guidelines for Agricultural and Applied Economists
von: Henningsen, Arne, et al.
Veröffentlicht: (2025)

Comment on "Sequential validation of treatment heterogeneity" and "Comment on generic machine learning inference on heterogeneous treatment effects in randomized experiments"
von: Chernozhukov, Victor, et al.
Veröffentlicht: (2025)

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

Sensitivity Analysis for Causal ML: A Use Case at Booking.com
von: Bach, Philipp, et al.
Veröffentlicht: (2025)

Bayesian Synthetic Control with a Soft Simplex Constraint
von: Xu, Yihong, et al.
Veröffentlicht: (2025)

On Spatio-Temporal Stochastic Frontier Models
von: Fusco, Elisa, et al.
Veröffentlicht: (2024)

Effect Identification and Unit Categorization in the Multi-Score Regression Discontinuity Design with Application to LED Manufacturing
von: Schwarz, Philipp Alexander, et al.
Veröffentlicht: (2025)

Treatment effects without multicollinearity? Temporal order and the Gram-Schmidt process in causal inference
von: Cross, Robin M., et al.
Veröffentlicht: (2024)

Synthetic Combinations: A Causal Inference Framework for Combinatorial Interventions
von: Agarwal, Abhineet, et al.
Veröffentlicht: (2023)

Adventures in Demand Analysis Using AI
von: Bach, Philipp, et al.
Veröffentlicht: (2024)

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

Orthogonality-Constrained Deep Instrumental Variable Model for Causal Effect Estimation
von: Yao, Shunxin
Veröffentlicht: (2025)

Which Covariates to Adjust for? Specification-robust Causal Inference in Observational Studies
von: Ghosh, Aditya, et al.
Veröffentlicht: (2025)

Quasi-Score Matching Estimation for Spatial Autoregressive Model with Random Weights Matrix and Regressors
von: Liang, Xuan, et al.
Veröffentlicht: (2023)

Double Descent and Benign Overfitting in Macroeconomic Forecasting
von: Carriero, Andrea, et al.
Veröffentlicht: (2026)

Causal explanations of outliers in systems with lagged time-dependencies
von: Schwarz, Philipp Alexander, et al.
Veröffentlicht: (2026)

JFR-rg: A New Macroeconomic Framework for High-Debt, Low-Growth Economies under Financial Repression
von: Wakimoto, Hirofumi
Veröffentlicht: (2026)

Uniform Inference on High-dimensional Spatial Panel Networks
von: Chernozhukov, Victor, et al.
Veröffentlicht: (2021)

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

On Efficient Inference of Causal Effects with Multiple Mediators
von: Wei, Haoyu, et al.
Veröffentlicht: (2024)

Model-Agnostic Covariate-Assisted Inference on Partially Identified Causal Effects
von: Ji, Wenlong, et al.
Veröffentlicht: (2023)

Unbiased Regression-Adjusted Estimation of Average Treatment Effects in Randomized Controlled Trials
von: Abadie, Alberto, et al.
Veröffentlicht: (2025)

Sensitivity Analysis for Treatment Effects in Difference-in-Differences Models using Riesz Representation
von: Bach, Philipp, et al.
Veröffentlicht: (2025)

Design-Based Variance Estimation for Modern Heterogeneity-Robust Difference-in-Differences Estimators
von: Gerber, Isaac
Veröffentlicht: (2026)

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

Fragility in Average Treatment Effect on the Treated under Limited Covariate Support
von: Li, Mengqi
Veröffentlicht: (2025)

Policy Learning with Confidence
von: Chernozhukov, Victor, et al.
Veröffentlicht: (2025)

Gaussian and Student's $t$ mixture vector autoregressive model with application to the effects of the Euro area monetary policy shock
von: Virolainen, Savi
Veröffentlicht: (2021)

Inference on Extreme Quantiles of Unobserved Individual Heterogeneity
von: Morozov, Vladislav
Veröffentlicht: (2022)

The Power of Prognosis: Improving Covariate Balance Tests with Outcome Information
von: Bicalho, Clara, et al.
Veröffentlicht: (2022)

Structural Gaussian mixture vector autoregressive model with application to the asymmetric effects of monetary policy shocks
von: Virolainen, Savi
Veröffentlicht: (2020)