Prediction decomposition for causal analysis
Deze paper introduceert een decompositie van ML-predicties in componenten om aan te tonen dat de nauwkeurigheid van voorspellingen binnen een eenheid over tijd een betere proxy is voor het schatten van causale effecten dan algehele voorspellingsnauwkeurigheid, en biedt een metriek voor modelselectie en schatting op basis van paneldata.