انتشرت الطرق الموثوقة المزدوجة للتعديل المرن للمتغيرات المتداخلة في استنتاج السبب في السنوات الأخيرة. على الرغم من مزاياها الواضحة في التغلب على عدم دقة النموذج، نادرًا ما يستخدمها علماء الاجتماع. كما أنه من غير الواضح ما إذا كانت هذه الطرق تتفوق بالفعل على الطرق التقليدية في العينات المحدودة. يهدف هذا البحث إلى هدفين: فهو دليل لبعض من أحدث الطرق في التعديل المرن والموثوق المزدوج باستخدام التعلم الآلي، ويختبرها مقابل الطرق الإحصائية التقليدية وطرق "الموثوقية الفردية" المرنة باستخدام بيانات محاكاة مقطعية حيث تكون آثار العلاج معروفة. تشمل الطرق الموثوقة المزدوجة التي تم تناولها وزن احتمال عكسي معزز (AIPW)، تقدير الاحتمال الأقصى المستهدف (TMLE)، وتعلم الآلة المزدوج/المصحح (DML). تشير النتائج إلى أن هذه الطرق تتفوق على الطرق التقليدية في مجموعة واسعة من المحاكاة، ولكن فقط عندما تقترن بمقدرات التعلم الآلي المرنة. ومن الجدير بالذكر أن حساب G باستخدام نفس المقدرات المرنة يحصل على نتائج متطابقة تقريبًا، وأن الطرق الانحدارية التقليدية لها انحراف أعلى قليلاً. في السيناريوهات التي تم النظر فيها في هذا البحث، يبدو أن المرونة والموثوقية تجاه آثار العلاج غير المتجانسة تعتبر خصائص أكثر أهمية من الموثوقية المزدوجة.
درس ناثان إسحاق هوفمان (الثلاثاء) هذا السؤال.