Térbeli kettősen robusztus becslés
A térbeli kettősen robusztus becslés egy szemi-parametrikus kauzális következtetési módszer, amely ötvözi a hajlamossági pontszám súlyozást az eredmény regressziós modellezéssel – védelmet nyújtva mindkét komponens téves specifikációja ellen –, miközben explicit módon figyelembe veszi az egységek közötti térbeli autokorrelációt. Kiterjeszti a klasszikus augmentált inverz valószínűség súlyozás (AIPW) becslőt olyan helyzetekre, ahol a kezelés hozzárendelés és az eredmények földrajzilag klaszterezettek vagy térben függők.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Spatial Doubly Robust Causal Estimation. ScholarGate. https://scholargate.app/hu/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.
- A különbség-különbségek (Diff-in-Diff) módszerÖkonometria↔ compare
- Kettősen robusztus becslés (AIPW)Oksági következtetés↔ compare
- Földrajzilag súlyozott regresszió (GWR)Térbeli elemzés↔ compare
- Az inverz valószínűségi kezelési súlyozás (IPW / IPTW)Oksági következtetés↔ compare
- Tárgyhajlamossági pontszám illesztésKutatási statisztika↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →