Penilaian Dasar Anggaran Robust Berganda
Penilaian Dasar Robust Berganda menggunakan estimator robust berganda (DR) untuk menilai kesan kausal dasar awam atau program. Ia menggabungkan model tugasan rawatan (skor kecenderungan) dengan model hasil, dan hanya memerlukan satu daripada dua model untuk dinyatakan dengan betul bagi menghasilkan anggaran yang konsisten bagi purata kesan rawatan, menjadikannya alat yang berdaya tahan untuk penilaian program.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Peta kaedah
Kejiranan kaedah berkaitan — pilih satu nod untuk meneroka.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Doubly Robust Estimation for Policy Evaluation. ScholarGate. https://scholargate.app/ms/causal-inference/policy-evaluation-doubly-robust-estimation
Kaedah yang mana?
Letakkan kaedah ini di sebelah kaedah yang paling rapat dengannya dan baca secara bersebelahan — perpustakaan menyusun buku di atas meja; pilihan terletak pada anda.
- Anggaran Keboleh-Teguhan Berganda (AIPW)Inferens Kausal↔ banding
- Penimbang Kebarangkalian Songsang (IPW / IPTW)Inferens Kausal↔ banding
- Model Struktur Marginal (MSM)Inferens Kausal↔ banding
- Padanan Skor Kecenderungan Penilaian DasarInferens Kausal↔ banding
- Penimbang Skor Kecenderungan (PSW / IPW)Inferens Kausal↔ banding
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →