Buchumschlag

How do applied researchers use the Causal Forest? A methodological review of a method

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Rehill, Patrick
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Econometrics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Distilling interpretable causal trees from causal forests
von: Rehill, Patrick
Veröffentlicht: (2024)

Transparency challenges in policy evaluation with causal machine learning -- improving usability and accountability
von: Rehill, Patrick, et al.
Veröffentlicht: (2023)

Enabling Decision-Making with the Modified Causal Forest: Policy Trees for Treatment Assignment
von: Bodory, Hugo, et al.
Veröffentlicht: (2024)

Testability of Reverse Causality Without Exogenous Variation
von: Breunig, Christoph, et al.
Veröffentlicht: (2021)

causalfe: Causal Forests with Fixed Effects in Python
von: Aytug, Harry
Veröffentlicht: (2026)

Optimizing Patient Placement in Normal Care Units: An Instrumental Causal Forest Approach Minimizing Mortality
von: Cordier, Johannes
Veröffentlicht: (2026)

An overview of meta-analytic methods for economic research
von: Haghnejad, Amin, et al.
Veröffentlicht: (2024)

Difference‐in‐Difference Causal Forests With an Application to Payroll Tax Incidence in Norway
von: Evelina Gavrilova, et al.
Veröffentlicht: (2025)

Ordered Correlation Forest
von: Di Francesco, Riccardo
Veröffentlicht: (2023)

Doubly Robust Identification of Causal Effects of a Continuous Treatment using Discrete Instruments
von: Dong, Yingying, et al.
Veröffentlicht: (2023)

Identifying Causal Effects of Discrete, Ordered and ContinuousTreatments using Multiple Instrumental Variables
von: Hoff, Nadja van 't
Veröffentlicht: (2023)

Using Forests in Multivariate Regression Discontinuity Designs
von: Liu, Yiqi, et al.
Veröffentlicht: (2023)

Identification of Causal Effects with a Bunching Design
von: Caetano, Carolina, et al.
Veröffentlicht: (2025)

An Introduction to Causal Discovery
von: Huber, Martin
Veröffentlicht: (2024)

Causal Models for Longitudinal and Panel Data: A Survey
von: Arkhangelsky, Dmitry, et al.
Veröffentlicht: (2023)

Causal-Policy Forest for End-to-End Policy Learning
von: Kato, Masahiro
Veröffentlicht: (2025)

Comprehensive Causal Machine Learning
von: Lechner, Michael, et al.
Veröffentlicht: (2024)

Causal Inference with Groupwise Matching
von: Rincón, Ratzanyel, et al.
Veröffentlicht: (2025)

Causal Inference for Aggregated Treatment
von: Caetano, Carolina, et al.
Veröffentlicht: (2025)

Causal Inference for Qualitative Outcomes
von: Di Francesco, Riccardo, et al.
Veröffentlicht: (2025)

Causal Mediation in Natural Experiments
von: Hogan-Hennessy, Senan
Veröffentlicht: (2025)

Forecasting short-term inflation in Argentina with Random Forest Models
von: Forte, Federico Daniel
Veröffentlicht: (2024)

Causal Duration Analysis with Diff-in-Diff
von: Deaner, Ben, et al.
Veröffentlicht: (2024)

Moderating the Mediation Bootstrap for Causal Inference
von: van Garderen, Kees Jan, et al.
Veröffentlicht: (2024)

Quantile Granger Causality in the Presence of Instability
von: Mayer, Alexander, et al.
Veröffentlicht: (2024)

Seasonality in Mixed Causal-Noncausal Processes
von: Castro, Tomás del Barrio, et al.
Veröffentlicht: (2026)

Causal State-Dependent Local Projections
von: David, Joel M., et al.
Veröffentlicht: (2026)

Causal Graphs for Conditional Parallel Trends
von: Knaus, Michael C., et al.
Veröffentlicht: (2026)

Dynamic Causal Effects in a Nonlinear World: the Good, the Bad, and the Ugly
von: Kolesár, Michal, et al.
Veröffentlicht: (2024)

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

require: Package dependencies for reproducible research
von: Correia, Sergio, et al.
Veröffentlicht: (2023)

Do LLMs Act as Repositories of Causal Knowledge?
von: Huntington-Klein, Nick, et al.
Veröffentlicht: (2024)

Estimating Variances for Causal Panel Data Estimators
von: Almeida, Alexander, et al.
Veröffentlicht: (2025)

Bayesian Double Machine Learning for Causal Inference
von: DiTraglia, Francis J., et al.
Veröffentlicht: (2025)

Partial Identification of Causal Effects that Vary by Setting
von: Huntington-Klein, Nick
Veröffentlicht: (2026)

Microfoundations and the Causal Interpretation of Price-Exposure Designs
von: Moreno-Louzada, Luca, et al.
Veröffentlicht: (2025)

Identifying Causal Effects in Information Provision Experiments
von: Balla-Elliott, Dylan
Veröffentlicht: (2023)

Fixed-Population Causal Inference for Models of Equilibrium
von: Menzel, Konrad
Veröffentlicht: (2025)

High-Dimensional Granger Causality for Climatic Attribution
von: Friedrich, Marina, et al.
Veröffentlicht: (2023)

SPORTSCausal: Spill-Over Time Series Causal Inference
von: Liu, Carol
Veröffentlicht: (2024)