Kausale Inferenz unter Anwendung von Double Machine Learning: Oregon Health Insurance Experiment

Sebastian Schmidt

Junior Management Science (JUMS), 2026, vol. 11, issue 1, 107-138

Abstract: Diese Arbeit verwendet fortgeschrittene Methoden der kausalen Inferenz, insbesondere das Double Machine Learning (DML)-Framework, um die kausalen Effekte öffentlicher Krankenversicherung auf individuelle Gesundheitsvariablen anhand der Daten des Oregon Health Insurance Experiments (OHIE, 2008) zu schätzen. DML ermöglicht unverzerrte Schätzungen von Treatment-Effekten in hochdimensionalen Datensätzen. Mittels Interactive Regression Models (IRM) und Interactive Instrumental Variable Models (IIVM) werden Effekte von Medicaid auf wahrgenommene Gesundheit, Anzahl der Arztbesuche, Zufriedenheit, Zugang zu medizinischen Leistungen sowie Versorgungsqualität untersucht. Die Ergebnisse zeigen geringe, aber positive kausale Effekte von Medicaid auf die wahrgenommene Gesundheit und die Häufigkeit der Arztbesuche, statistisch insignifikante Effekte auf Zufriedenheit und Medikamentenzugang sowie einen leicht negativen Zusammenhang mit der wahrgenommenen Behandlungsqualität. Die Ergebnisse unterstreichen das Potenzial von Double Machine Learning als robustes Instrument der Kausalanalyse in empirischen Studien.

Keywords: causal inference; double machine learning; oregon health insurance experiment (search for similar items in EconPapers)
Date: 2026
References: Add references at CitEc
Citations:

Downloads: (external link)
https://www.econstor.eu/bitstream/10419/341440/1/1972505963.pdf (application/pdf)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:zbw:jumsac:341440

DOI: 10.5282/jums/v11i1pp107-138

Access Statistics for this article

Junior Management Science (JUMS) is currently edited by Dominik van Aaken, Gunther Friedl, Christian Koziol, Sascha Raithel

More articles in Junior Management Science (JUMS) from Junior Management Science e. V.
Bibliographic data for series maintained by ZBW - Leibniz Information Centre for Economics ().