Monijaksoinen kaksoisrobustinen estimointi
Monijaksoinen kaksoisrobustinen (DR) estimointi laajentaa klassisen kaksoisrobustisen lähestymistavan pitkittäisasetelmiin, joissa on useita hoitojaksoja ja aikapisteitä. Se yhdistää tulosregressiomallin ja propensiteettipistemallin jokaiselle jaksolle säilyttäen kausaalisen vaikutuksen estimaatin konsistenssin niin kauan kuin vähintään toinen kahdesta mallista on oikein spesifioitu jokaisessa aikapisteessä.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Menetelmäkartta
Lähimenetelmien naapurusto — valitse solmu tutkiaksesi.
Lähteet
- 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 ↗
- Callaway, B., & Sant'Anna, P. H. C. (2021). Difference-in-differences with multiple time periods. Journal of Econometrics, 225(2), 200-230. DOI: 10.1016/j.jeconom.2020.12.001 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Multi-period Doubly Robust Causal Effect Estimator. ScholarGate. https://scholargate.app/fi/causal-inference/multi-period-doubly-robust-estimation
Mikä menetelmä?
Aseta tämä menetelmä lähimpien sukulaistensa rinnalle ja lue niitä yhdessä — kirjasto asettaa teokset pöydälle; valinta on sinun.
- Erojen erot (Diff-in-Diff)Ekonometria↔ vertaa
- Kaksoisrobustin estimoinnin (AIPW) menetelmäKausaalipäättely↔ vertaa
- Dynaaminen ero-ero-analyysiKausaalipäättely↔ vertaa
- Käänteisen todennäköisyyden painotus (IPW / IPTW)Kausaalipäättely↔ vertaa
- Marginaalinen rakenteellinen malli (MSM)Kausaalipäättely↔ vertaa
- Propensity Score MatchingTutkimuksen tilastomenetelmät↔ vertaa
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →