Többperiódusú kettős robusztus becslés
A többperiódusú kettős robusztus (DR) becslés kiterjeszti a klasszikus kettős robusztus megközelítést a longitudinális beállításokra, ahol több kezelési periódus és időpont van. Minden periódusra kombinál egy kimeneti regressziós modellt és egy hajlamossági pontszám modellt, megőrizve a kauzális hatás becslésének konzisztenciáját, amíg a két modell közül legalább az egyik helyesen specifikált minden időpontban.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Módszertérkép
A rokon módszerek környezete — válasszon ki egy csomópontot a felfedezéshez.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Multi-period Doubly Robust Causal Effect Estimator. ScholarGate. https://scholargate.app/hu/causal-inference/multi-period-doubly-robust-estimation
Melyik módszer?
Állítsa e módszert a hozzá legközelebb álló rokonai mellé, és olvassa őket egymás mellett — a könyvtár az asztalra teszi a könyveket; a választás az Öné.
- A különbség-különbségek (Diff-in-Diff) módszerÖkonometria↔ összehasonlítás
- Kettősen robusztus becslés (AIPW)Oksági következtetés↔ összehasonlítás
- Dinamikus különbség-a-különbségekbenOksági következtetés↔ összehasonlítás
- Az inverz valószínűségi kezelési súlyozás (IPW / IPTW)Oksági következtetés↔ összehasonlítás
- Marginal Structural Model (MSM)Oksági következtetés↔ összehasonlítás
- Tárgyhajlamossági pontszám illesztésKutatási statisztika↔ összehasonlítás
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →