Stima a doppia robustezza multiperiodale
La stima a doppia robustezza (DR) multiperiodale estende l'approccio classico a doppia robustezza a contesti longitudinali con molteplici periodi di trattamento e punti temporali. Combina un modello di regressione dell'esito e un modello del punteggio di propensione per ciascun periodo, mantenendo la consistenza della stima dell'effetto causale finché almeno uno dei due modelli è specificato correttamente in ogni punto temporale.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Mappa dei metodi
Il vicinato dei metodi correlati — seleziona un nodo per esplorare.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Multi-period Doubly Robust Causal Effect Estimator. ScholarGate. https://scholargate.app/it/causal-inference/multi-period-doubly-robust-estimation
Quale metodo?
Affianca questo metodo ai suoi parenti più prossimi e leggili fianco a fianco — la biblioteca dispone i libri sul tavolo; la scelta è tua.
- Difference-in-Differences (Diff-in-Diff)Econometria↔ confronta
- Stima a Doppia Robustezza (AIPW)Inferenza causale↔ confronta
- Dynamic Difference-in-DifferencesInferenza causale↔ confronta
- Inverse Probability of Treatment Weighting (IPW / IPTW)Inferenza causale↔ confronta
- Modello Strutturale Marginale (MSM)Inferenza causale↔ confronta
- Abbinamento del punteggio di propensioneStatistica per la ricerca↔ confronta
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →