ScholarGate
Asistente
Regression modelQuasi-experimental / causal inference

Estimación Espacialmente Doblemente Robusta

La estimación espacialmente doblemente robusta es un método semiparamétrico de inferencia causal que combina la ponderación por puntaje de propensión con el modelado de regresión de resultados —proporcionando protección contra la especificación incorrecta de cualquiera de los componentes—, al tiempo que tiene en cuenta explícitamente la autocorrelación espacial entre las unidades. Extiende el estimador clásico de ponderación inversa de probabilidad aumentada (AIPW) a entornos donde la asignación del tratamiento y los resultados están agrupados geográficamente o son espacialmente dependientes.

Abrir en MethodMindPróximamenteVídeoPróximamenteDescargar diapositivas

Leer el método completo

Solo para miembros

Inicia sesión con una cuenta gratuita para leer esta sección.

Iniciar sesión

Mapa de métodos

El vecindario de métodos relacionados: selecciona un nodo para explorarlo.

Fuentes

  1. Papadogeorgou, G., Mealli, F., & Zigler, C. M. (2019). Causal inference with interfering units for cluster and population level treatment allocation programs. Biometrics, 75(3), 778-787. DOI: 10.1111/biom.13049
  2. Kennedy, E. H. (2016). Semiparametric theory and empirical processes in causal inference. In H. He, P. Wu, & D.-G. Chen (Eds.), Statistical Causal Inferences and Their Applications in Public Health Research (pp. 141-167). Springer. link

Cómo citar esta página

ScholarGate. (2026, June 3). Spatial Doubly Robust Causal Estimation. ScholarGate. https://scholargate.app/es/causal-inference/spatial-doubly-robust-estimation

¿Qué método?

Coloca este método junto a sus parientes más cercanos y léelos lado a lado: la biblioteca pone los libros sobre la mesa; la elección es tuya.

Comparar lado a lado

Citado por

ScholarGateSpatial Doubly Robust Estimation (Spatial Doubly Robust Causal Estimation). Recuperado el 2026-06-15 de https://scholargate.app/es/causal-inference/spatial-doubly-robust-estimation · Conjunto de datos: https://doi.org/10.5281/zenodo.20539026