Regression modelQuasi-experimental / causal inference

Dynamický odhadovač shod

Dynamický odhadovač shod rozšiřuje standardní metody shodování na situace, kde je léčba přiřazována sekvenčně během několika období. Místo jediného rozhodnutí o léčbě jednotky v každém časovém bodě léčbu obdrží nebo se jí vzdají a odhadovač identifikuje kauzální účinky celých léčebných historií shodováním na časově proměnné kovariáty a minulé léčebné trajektorie za předpokladu sekvenční podmíněné nezávislosti.

Otevřít v MethodMindJiž brzyVideoJiž brzyDownload slides

Přečíst celou metodu

Pouze pro členy

Pro přečtení této sekce se přihlaste s bezplatným účtem.

Přihlásit se

Method map

The neighbourhood of related methods — select a node to explore.

Zdroje

  1. Lechner, M., & Miquel, R. (2010). Identification of the effects of dynamic treatments by sequential conditional independence assumptions. Empirical Economics, 39(1), 111-137. DOI: 10.1007/s00181-009-0297-3
  2. Heckman, J. J., Ichimura, H., & Todd, P. (1998). Matching as an Econometric Evaluation Estimator. Review of Economic Studies, 65(2), 261-294. DOI: 10.1111/1467-937X.00044

Jak citovat tuto stránku

ScholarGate. (2026, June 3). Dynamic Matching Estimator for Sequential Treatment Effects. ScholarGate. https://scholargate.app/cs/causal-inference/dynamic-matching-estimator

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Odkazuje sem

ScholarGateDynamic Matching Estimator (Dynamic Matching Estimator for Sequential Treatment Effects). Získáno 2026-06-15 z https://scholargate.app/cs/causal-inference/dynamic-matching-estimator · Datová sada: https://doi.org/10.5281/zenodo.20539026