Politikevaluering: Dobbelt robust estimering
Politikevaluering: Dobbelt robust estimering anvender den dobbelt robuste (DR) estimator til at vurdere den kausale effekt af en offentlig politik eller et program. Den kombinerer en model for tildeling af behandling (propensity score) med en model for udfaldet og kræver kun, at én af de to modeller er korrekt specificeret for at producere et konsistent estimat af den gennemsnitlige behandlingseffekt, hvilket gør den til et robust værktøj til programevaluering.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Metodekort
Nabolaget af beslægtede metoder — vælg en knude for at udforske.
Kilder
- Bang, H., & Robins, J. M. (2005). Doubly robust estimation in missing data and causal inference models. Biometrics, 61(4), 962-973. DOI: 10.1111/j.1541-0420.2005.00377.x ↗
- Robins, J. M., Rotnitzky, A., & Zhao, L. P. (1994). Estimation of regression coefficients when some regressors are not always observed. Journal of the American Statistical Association, 89(427), 846-866. DOI: 10.1080/01621459.1994.10476818 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Doubly Robust Estimation for Policy Evaluation. ScholarGate. https://scholargate.app/da/causal-inference/policy-evaluation-doubly-robust-estimation
Hvilken metode?
Stil denne metode ved siden af dens nærmeste slægtninge, og læs dem side om side — biblioteket lægger bøgerne på bordet; valget er dit.
- Dobbelt Robust Estimation (AIPW)Kausal inferens↔ sammenlign
- Vægtning med den inverse behandlingssandsynlighed (IPW / IPTW)Kausal inferens↔ sammenlign
- Marginal Structural Model (MSM)Kausal inferens↔ sammenlign
- Politikevaluerings propensity score matchingKausal inferens↔ sammenlign
- Propensity Score Weighting (PSW / IPW)Kausal inferens↔ sammenlign
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →