Un marco de árboles de regresión aditivos bayesianos para la estimación del efecto causal individualizado
Autores: He, Lulu; Cao, Lixia; Wang, Tonghui; Cao, Zhenqi; Shi, Xin
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Un marco de árboles de regresión aditivos bayesianos para la estimación del efecto causal individualizado
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Efectos del tratamiento
Árboles de Regresión Aditiva Bayesiana
EITs
Estrés psicológico
Presión laboral
Heterogeneidad
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 23
Citaciones: Sin citaciones
En la investigación de inferencia causal, la estimación precisa de los efectos del tratamiento individualizados (ITEs) es fundamental para una intervención efectiva.
Descripción
En la investigación de inferencia causal, la estimación precisa de los efectos del tratamiento individualizados (ITEs) es fundamental para una intervención efectiva.