Robuste und effiziente Schätzung kausaler Effekte in hybriden Modellen mit Hilfe von Double Machine Learning

Die Studie stellt einen neuartigen Ansatz zur Schätzung hybrider Modelle vor, der auf dem Konzept des Double Machine Learning basiert. Dieser Ansatz ermöglicht eine robuste und effiziente Schätzung kausaler Effekte und überwindet Herausforderungen wie Equifinality und Regularisierungsverzerrungen, die in herkömmlichen hybriden Modellierungsansätzen auftreten können.