Buchumschlag

The Post Double LASSO for Efficiency Analysis

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Parmeter, Christopher, Prokhorov, Artem, Zelenyuk, Valentin
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Econometrics Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Bank Cost Efficiency and Credit Market Structure Under a Volatile Exchange Rate
von: Mamonov, Mikhail, et al.
Veröffentlicht: (2024)

On LASSO for High Dimensional Predictive Regression
von: Mei, Ziwei, et al.
Veröffentlicht: (2022)

Recent Advances in Causal Analysis of the Stochastic Frontier Model
von: Centorrino, Samuele, et al.
Veröffentlicht: (2026)

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

LASSO Inference for High Dimensional Predictive Regressions
von: Gao, Zhan, et al.
Veröffentlicht: (2024)

Profit-Aligned CATE Estimation: Reconciling Policy Learning and Inference
von: Timoshenko, Artem, et al.
Veröffentlicht: (2025)

Model Averaging and Double Machine Learning
von: Ahrens, Achim, et al.
Veröffentlicht: (2024)

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

An early warning system for emerging markets
von: Kraevskiy, Artem, et al.
Veröffentlicht: (2024)

Post Reinforcement Learning Inference
von: Syrgkanis, Vasilis, et al.
Veröffentlicht: (2023)

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

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)

Improved Semi-Parametric Bounds for Tail Probability and Expected Loss: Theory and Applications
von: Li, Zhaolin, 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)

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

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

Change-Point Detection in Time Series Using Mixed Integer Programming
von: Prokhorov, Artem, et al.
Veröffentlicht: (2024)

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

Externally Valid Policy Choice
von: Adjaho, Christopher, et al.
Veröffentlicht: (2022)

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

Double Debiased Covariate Shift Adaptation Robust to Density-Ratio Estimation
von: Kato, Masahiro, et al.
Veröffentlicht: (2023)

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)

Joint Estimation and Bandwidth Selection in Partially Parametric Models
von: Daniel J. Henderson, et al.
Veröffentlicht: (2026)

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

Explainable AI in Spatial Analysis
von: Li, Ziqi
Veröffentlicht: (2025)

Probabilistic Quantile Factor Analysis
von: Korobilis, Dimitris, et al.
Veröffentlicht: (2022)

Welfare Analysis in Dynamic Models
von: Chernozhukov, Victor, et al.
Veröffentlicht: (2019)

Bayesian Neural Networks for Macroeconomic Analysis
von: Hauzenberger, Niko, et al.
Veröffentlicht: (2022)

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

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

Double/Debiased CoCoLASSO of Treatment Effects with Mismeasured High-Dimensional Control Variables
von: Kim, Geonwoo, et al.
Veröffentlicht: (2024)

Fused LASSO as Non-Crossing Quantile Regression
von: Szendrei, Tibor, et al.
Veröffentlicht: (2024)

Expected Shortfall LASSO
von: Barendse, Sander
Veröffentlicht: (2023)

Learning from Double Positive and Unlabeled Data for Potential-Customer Identification
von: Kato, Masahiro, et al.
Veröffentlicht: (2025)

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

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

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