Daudzperiodu divkārši robusta novērtēšana
Daudzperiodu divkārši robusta (DR) novērtēšana paplašina klasisko divkārši robusto pieeju uz longitudināliem pētījumiem ar vairākiem ārstēšanas periodiem un laika punktiem. Tā apvieno iznākuma regresijas modeli un noslieces rādītāja modeli katram periodam, saglabājot cēloņsakarības efekta novērtējuma konsekvenci, ja vien vismaz viens no abiem modeļiem ir pareizi specificēts katrā laika punktā.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Metožu karte
Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Multi-period Doubly Robust Causal Effect Estimator. ScholarGate. https://scholargate.app/lv/causal-inference/multi-period-doubly-robust-estimation
Kura metode?
Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.
- Diferenču starpībām (Diff-in-Diff)Ekonometrija↔ salīdzināt
- Divkārši robusta novērtēšana (AIPW)Cēloņsakarību secināšana↔ salīdzināt
- Dinamiskā "starpību starpībās" metodeCēloņsakarību secināšana↔ salīdzināt
- Apgrieztā varbūtības svēršana (IPW / IPTW)Cēloņsakarību secināšana↔ salīdzināt
- Marginal Structural Model (MSM)Cēloņsakarību secināšana↔ salīdzināt
- Propensity Score MatchingPētniecības statistika↔ salīdzināt
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →