Beleidsevaluatie met dubbel robuuste schatting
Beleidsevaluatie met dubbel robuuste schatting past de dubbel robuuste (DR) schatter toe om het causale effect van een publiek beleid of programma te beoordelen. Het combineert een model voor de toewijzing van de behandeling (propensity score) met een model van de uitkomst, en vereist slechts één van de twee modellen om correct gespecificeerd te zijn om een consistente schatting van het gemiddelde behandelingseffect te produceren, wat het een veerkrachtig instrument maakt voor programma-evaluatie.
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 ↗
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Doubly Robust Estimation for Policy Evaluation. ScholarGate. https://scholargate.app/nl/causal-inference/policy-evaluation-doubly-robust-estimation
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.
- Dubbel Robuuste Schatting (AIPW)Causale inferentie↔ vergelijken
- Inverse Probability of Treatment Weighting (IPW / IPTW)Causale inferentie↔ vergelijken
- Marginaal Structureel Model (MSM)Causale inferentie↔ vergelijken
- Beleidsevaluatie met Propensity Score MatchingCausale inferentie↔ vergelijken
- Propensity Score Weighting (PSW / IPW)Causale inferentie↔ vergelijken
Een fout op deze pagina gezien? Meld het of stel een correctie voor →