পদ্ধতির তুলনা করুন
নির্বাচিত পদ্ধতিগুলো পাশাপাশি পর্যালোচনা করুন; যে সারিগুলোয় পার্থক্য আছে সেগুলো চিহ্নিত করা হয়।
| নীতি মূল্যায়ন দ্বিগুণ শক্তিশালী প্রাক্কলন× | দ্বৈতভাবে সুদৃঢ় প্রাক্কলন (AIPW)× | |
|---|---|---|
| ক্ষেত্র | কার্যকারণ অনুমান | কার্যকারণ অনুমান |
| পরিবার | Regression model | Regression model |
| উদ্ভবের বছর≠ | 1994-2005 | 2005 |
| প্রবর্তক≠ | Robins, Rotnitzky & Zhao (1994); Bang & Robins (2005) | Robins & Rotnitzky; Bang & Robins |
| ধরন | Semiparametric causal estimator | Semiparametric causal estimator |
| মৌলিক উৎস≠ | Bang, H., & Robins, J. M. (2005). Doubly robust estimation in missing data and causal inference models. Biometrics, 61(4), 962-973. 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 | DR estimation for policy, augmented IPW for policy evaluation, AIPW policy evaluation, doubly robust policy analysis | AIPW, augmented inverse probability weighting, doubly robust estimator, Çift Gürbüz Kestirici (Augmented IPW / AIPW) |
| সম্পর্কিত | 5 | 5 |
| সারসংক্ষেপ≠ | Policy Evaluation Doubly Robust Estimation applies the doubly robust (DR) estimator to assess the causal effect of a public policy or programme. It combines a model of treatment assignment (propensity score) with a model of the outcome, and requires only one of the two models to be correctly specified to produce a consistent estimate of the average treatment effect, making it a resilient tool for programme evaluation. | 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 ↗ |
|
|