Dubbel Robuuste Schatting in Onderwijsonderzoek
Dubbel robuuste schatting (DR) is een semiparametrische causale inferentiebenadering die een uitkomstregressiemodel combineert met een propensity score-model. In onderwijsonderzoek wordt het gebruikt om het causale effect van educatieve programma's, interventies of beleid op studentenresultaten te schatten wanneer de toewijzing van behandeling niet-willekeurig is, maar waargenomen covariaten selectiebias kunnen verklaren. De schatter is consistent als óf – niet noodzakelijkerwijs beide – van de twee componentmodellen correct is gespecificeerd.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Methodenkaart
De omgeving van verwante methoden — selecteer een knooppunt om te verkennen.
Bronnen
- 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 ↗
- Karim, M. E., Petkau, J., Gustafson, P., Tremlett, H., & BeAMS Study Group. (2018). Comparison of statistical approaches dealing with time-dependent confounding in drug effectiveness studies. Statistical Methods in Medical Research, 27(6), 1709-1722. DOI: 10.1177/0962280216668554 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Doubly Robust Estimation Applied to Education Research. ScholarGate. https://scholargate.app/nl/causal-inference/doubly-robust-estimation-in-education-research
Welke methode?
Plaats deze methode naast haar naaste verwanten en lees ze naast elkaar — de bibliotheek legt de boeken op tafel; de keuze is aan u.
- Difference-in-Differences (DiD)Econometrie↔ vergelijken
- Dubbel Robuuste Schatting (AIPW)Causale inferentie↔ vergelijken
- Inverse Probability of Treatment Weighting (IPW / IPTW)Causale inferentie↔ vergelijken
- Marginaal Structureel Model (MSM)Causale inferentie↔ vergelijken
- Propensity Score MatchingOnderzoeksstatistiek↔ vergelijken
- Propensity Score Weighting (PSW / IPW)Causale inferentie↔ vergelijken
Similar methods
Een fout op deze pagina gezien? Meld het of stel een correctie voor →