Výsledky vyhľadávania
Názov The Econometrics Journal Vyd.údaje Londýn : Royal Economic Society , 2022 ISSN 1368-42211368-423X Form.deskr. časopisy - journals, elektronické časopisy - electronic journals Roč., číslo Vol. 25 no. 3 (2022) Jazyk dok. angličtina Krajina Veľká Británia URL Link na zdrojový dokument Kategória publikačnej činnosti GII Katal.org. BB301 - Univerzitná knižnica Univerzity Mateja Bela v Banskej Bystrici Báza dát xpca - PUBLIKAČNÁ ČINNOSŤ Odkazy - PERIODIKÁ - Súborný záznam periodika (1) - PUBLIKAČNÁ ČINNOSŤ Odkazy PERIODIKÁ-Súborný záznam periodika ČLÁNKY 2022: Evaluating dynamic treatment effects by double machine learning 
časopis
Názov The Econometrics Journal Vyd.údaje Londýn : Royal Economic Society , 2022 ISSN 1368-42211368-423X Form.deskr. časopisy - journals, elektronické časopisy - electronic journals Roč., číslo Vol. 25 no. 2 (2022) Jazyk dok. angličtina Krajina Veľká Británia URL Link na zdrojový dokument Kategória publikačnej činnosti GII Katal.org. BB301 - Univerzitná knižnica Univerzity Mateja Bela v Banskej Bystrici Báza dát xpca - PUBLIKAČNÁ ČINNOSŤ Odkazy - PERIODIKÁ - Súborný záznam periodika (1) - PUBLIKAČNÁ ČINNOSŤ Odkazy PERIODIKÁ-Súborný záznam periodika ČLÁNKY 2022: Causal mediation analysis with double machine learning časopis
Názov Causal mediation analysis with double machine learning Aut.údaje Helmut Farbmacher ... [et al.] Autor Farbmacher Helmut (20%)
Spoluautori Huber Martin (20%)
Lafférs Lukáš 1986- (20%) UMBFP10 - Katedra matematiky
Langen Henrika (20%)
Spindler Martin (20%)
Zdroj.dok. The Econometrics Journal. Vol. 25, no. 2 (2022), pp. 277-300. - Londýn : Royal Economic Society, 2022 Kľúč.slová matematické metódy - mathematical methods ekonomika - economics strojové učenie - machine learning analýza kauzálneho sprostredkovania - causal mediation analysis Form.deskr. články - journal articles Jazyk dok. angličtina Krajina Veľká Británia Anotácia This paper combines causal mediation analysis with double machine learning for a data-driven control of observed confounders in a high-dimensional setting. The average indirect effect of a binary treatment and the unmediated direct effect are estimated based on efficient score functions, which are robust with respect to misspecifications of the outcome, mediator, and treatment models. This property is key for selecting these models by double machine learning, which is combined with data splitting to prevent overfitting. We demonstrate that the effect estimators are asymptotically normal and n−1/2-consistent under specific regularity conditions and investigate the finite sample properties of the suggested methods in a simulation study when considering lasso as machine learner. We also provide an empirical application to the US National Longitudinal Survey of Youth, assessing the indirect effect of health insurance coverage on general health operating via routine checkups as mediator, as well as the direct effect. URL Link na plný text Kategória publikačnej činnosti ADC Číslo archívnej kópie 51676 Katal.org. BB301 - Univerzitná knižnica Univerzity Mateja Bela v Banskej Bystrici Báza dát xpca - PUBLIKAČNÁ ČINNOSŤ Odkazy PERIODIKÁ-Súborný záznam periodika 
článok
Názov Evaluating (weighted) dynamic treatment effects by double machine learning Aut.údaje Hugo Bodory, Martin Huber, Lukáš Laffers Autor Bodory Hugo (34%)
Spoluautori Huber Martin (33%)
Lafférs Lukáš 1986- (33%) UMBFP10 - Katedra matematiky
Zdroj.dok. The Econometrics Journal. Vol. 25, no. 3 (2022), pp. 628-648. - Londýn : Royal Economic Society, 2022 Kľúč.slová strojové učenie - machine learning intervencie Form.deskr. články - journal articles Jazyk dok. angličtina Krajina Veľká Británia Anotácia We consider evaluating the causal effects of dynamic treatments, i.e.. of multiple treatment sequences in various periods, based on double machine learning to control for observed, time-varying covariates in a data-driven way under a selection-on-observables assumption. To this end, we make use of so-called Neyman-orthogonal score functions, which imply the robustness of treatment effect estimation to moderate (local) misspecifications of the dynamic outcome and treatment models. This robustness property permits approximating outcome and treatment models by double machine learning even under high-dimensional covariates. In addition to effect estimation for the total population, we consider weighted estimation that permits assessing dynamic treatment effects in specific subgroups. e.g.. among those treated in the first treatment period. We demonstrate that the estimators are asymptotically normal and root n-consistent under specific regularity conditions and investigate their finite sample properties in a simulation study. Finally, we apply the methods to the Job Corps study. URL Link na zdrojový dokument Kategória publikačnej činnosti ADC Číslo archívnej kópie 52191 Katal.org. BB301 - Univerzitná knižnica Univerzity Mateja Bela v Banskej Bystrici Báza dát xpca - PUBLIKAČNÁ ČINNOSŤ Odkazy PERIODIKÁ-Súborný záznam periodika článok
Názov The Econometrics Journal Vyd.údaje Londýn : Royal Economic Society , 1998- ISSN 1368-42211368-423X Form.deskr. časopisy - journals, elektronické časopisy - electronic journals Jazyk dok. angličtina Krajina Veľká Británia URL Link na zdrojový dokument Kategória publikačnej činnosti GII Katal.org. BB301 - Univerzitná knižnica Univerzity Mateja Bela v Banskej Bystrici Báza dát xszp - PERIODIKÁ - Súborný záznam periodika Odkazy (4) - PUBLIKAČNÁ ČINNOSŤ časopis