Difference-in-Means Estimator
The difference-in-means estimator is the design-based workhorse for analyzing randomized experiments: it estimates the average treatment effect simply as the difference between the average outcome among treated units and the average outcome among control units. Rooted in Jerzy Neyman's potential-outcomes framework and central to modern treatments by Imbens and Rubin and by Gerber and Green, it is unbiased under randomization, comes with a conservative Neyman variance estimator, and supports exact randomization inference, requiring no model of how outcomes are generated.
רשומת מקור
ציטוטים הועתקו מילה במילה מרשומת המקור של המתודה. לא מוסקת כל אימות ברמת הטענה מהם.
- Gerber, A. S., & Green, D. P. (2012). Field Experiments: Design, Analysis, and Interpretation. New York: W. W. Norton. · ISBN 9780393979954
- Imbens, G. W., & Rubin, D. B. (2015). Causal Inference for Statistics, Social, and Biomedical Sciences: An Introduction. Cambridge: Cambridge University Press. · ISBN 9780521885881
טענות מאוצרות
טענות שנשמרו ביומן הראיות, לכל אחת הערכה משלה.
תצוגה זו אינה ממציאה הערכת טענה כאשר ליומן אין אחת.
מתודות קשורות
נוצר מגרף המתודות ומוצג כיחסים שהוצעו על ידי המכונה — לא מוסקת כל טענת ראיה.