পদ্ধতির তুলনা করুন
নির্বাচিত পদ্ধতিগুলো পাশাপাশি পর্যালোচনা করুন; যে সারিগুলোয় পার্থক্য আছে সেগুলো চিহ্নিত করা হয়।
| ম্যাচিং এস্টিমেটর× | দ্বৈতভাবে সুদৃঢ় প্রাক্কলন (AIPW)× | |
|---|---|---|
| ক্ষেত্র | কার্যকারণ অনুমান | কার্যকারণ অনুমান |
| পরিবার | Regression model | Regression model |
| উদ্ভবের বছর≠ | 1973 | 2005 |
| প্রবর্তক≠ | Rubin (1973); large-sample theory by Abadie & Imbens (2006) | Robins & Rotnitzky; Bang & Robins |
| ধরন≠ | Nonparametric matching / causal inference | Semiparametric causal estimator |
| মৌলিক উৎস≠ | Abadie, A., & Imbens, G. W. (2006). Large Sample Properties of Matching Estimators for Average Treatment Effects. Econometrica, 74(1), 235-267. DOI ↗ | Robins, J. M. & Rotnitzky, A. (1995). Semiparametric Efficiency in Multivariate Regression Models with Missing Data. Journal of the American Statistical Association, 90(429), 122-129. DOI ↗ |
| অপর নাম | nearest-neighbor matching, NNM, matching on covariates, covariate matching | AIPW, augmented inverse probability weighting, doubly robust estimator, Çift Gürbüz Kestirici (Augmented IPW / AIPW) |
| সম্পর্কিত≠ | 6 | 5 |
| সারসংক্ষেপ≠ | The matching estimator identifies the causal effect of a treatment by pairing each treated unit with one or more untreated units that have similar observed characteristics. Formalised by Rubin (1973) and given rigorous large-sample theory by Abadie and Imbens (2006), it constructs a credible control group from observational data without requiring a parametric model for the outcome. | Doubly Robust Estimation, also called Augmented Inverse Probability Weighting (AIPW), is a semiparametric method for estimating causal treatment effects that combines an outcome regression model with a propensity (treatment) model. Developed in the work of Robins & Rotnitzky (1995) and Bang & Robins (2005), it stays consistent as long as at least one of the two models is correctly specified. |
| ScholarGateডেটাসেট ↗ |
|
|