Kettős robusztus becslés politikai értékeléshez
A kettős robusztus (DR) becslőt alkalmazza a politikai vagy programhatás kauzális hatásának felmérésére. Ez a kezelés hozzárendelésének (propensity score) és az eredményességnek a modelljét kombinálja, és csak az egyik modell helyes specifikációja esetén garantálja a konzisztens átlagos kezelési hatás becslését, így ellenálló eszközt kínálva a programértékeléshez.
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 ↗
- Robins, J. M., Rotnitzky, A., & Zhao, L. P. (1994). Estimation of regression coefficients when some regressors are not always observed. Journal of the American Statistical Association, 89(427), 846-866. DOI: 10.1080/01621459.1994.10476818 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Doubly Robust Estimation for Policy Evaluation. ScholarGate. https://scholargate.app/hu/causal-inference/policy-evaluation-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.
- Kettősen robusztus becslés (AIPW)Oksági következtetés↔ összehasonlítás
- Az inverz valószínűségi kezelési súlyozás (IPW / IPTW)Oksági következtetés↔ összehasonlítás
- Marginal Structural Model (MSM)Oksági következtetés↔ összehasonlítás
- Politikaértékelés propensity score illesztésselOksági következtetés↔ összehasonlítás
- Propensity Score Weighting (PSW / IPW)Oksági következtetés↔ összehasonlítás
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →