Valutazione di Politiche: Stima a Doppia Robustezza
La Stima a Doppia Robustezza (DR) applica lo stimatore a doppia robustezza per valutare l'effetto causale di una politica o di un programma pubblico. Combina un modello di assegnazione del trattamento (punteggio di propensione) con un modello dell'esito, e richiede che solo uno dei due modelli sia specificato correttamente per produrre una stima consistente dell'effetto medio del trattamento, rendendola uno strumento resiliente per la valutazione dei programmi.
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 ↗
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Doubly Robust Estimation for Policy Evaluation. ScholarGate. https://scholargate.app/it/causal-inference/policy-evaluation-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.
- Stima a Doppia Robustezza (AIPW)Inferenza causale↔ confronta
- Inverse Probability of Treatment Weighting (IPW / IPTW)Inferenza causale↔ confronta
- Modello Strutturale Marginale (MSM)Inferenza causale↔ confronta
- Policy Evaluation Propensity Score MatchingInferenza causale↔ confronta
- Ponderazione basata sul punteggio di propensione (PSW / IPW)Inferenza causale↔ confronta
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →