Estimation Doublement Robuste Spatiale
L'estimation doublement robuste spatiale est une méthode semi-paramétrique d'inférence causale qui combine la pondération par score de propension et la modélisation de la régression des résultats — offrant une protection contre la mauvaise spécification de l'une ou l'autre composante — tout en tenant explicitement compte de l'autocorrélation spatiale entre les unités. Elle étend l'estimateur classique de pondération par inverse de probabilité augmentée (AIPW) aux contextes où l'assignation du traitement et les résultats sont groupés géographiquement ou dépendants de l'espace.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Spatial Doubly Robust Causal Estimation. ScholarGate. https://scholargate.app/fr/causal-inference/spatial-doubly-robust-estimation
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.
- Différence-en-différences (Diff-in-Diff)Économétrie↔ compare
- Estimation doublement robuste (AIPW)Inférence causale↔ compare
- Régression Pondérée Géographiquement (GWR)Analyse spatiale↔ compare
- Pondération par l'inverse de la probabilité de traitement (IPW / IPTW)Inférence causale↔ compare
- Appariement par score de propensionStatistiques de recherche↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →