Difference-in-Means Estimator
The difference-in-means estimator is the design-based workhorse for analyzing randomized experiments: it estimates the average treatment effect simply as the difference between the average outcome among treated units and the average outcome among control units. Rooted in Jerzy Neyman's potential-outcomes framework and central to modern treatments by Imbens and Rubin and by Gerber and Green, it is unbiased under randomization, comes with a conservative Neyman variance estimator, and supports exact randomization inference, requiring no model of how outcomes are generated.
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
- Gerber, A. S., & Green, D. P. (2012). Field Experiments: Design, Analysis, and Interpretation. New York: W. W. Norton. ISBN: 9780393979954
- Imbens, G. W., & Rubin, D. B. (2015). Causal Inference for Statistics, Social, and Biomedical Sciences: An Introduction. Cambridge: Cambridge University Press. ISBN: 9780521885881
Deze pagina citeren
ScholarGate. (2026, June 22). Difference-in-Means Estimator for Randomized Experiments. ScholarGate. https://scholargate.app/nl/political-science/difference-in-means-experiment
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.
- Audit ExperimentPolitical Science↔ vergelijken
- Field Experiment in PoliticsPolitical Science↔ vergelijken
- Natural Experiment in PoliticsPolitical Science↔ vergelijken
- Survey ExperimentPolitical Science↔ vergelijken
Geciteerd door
Vergelijkbare methoden
Een fout op deze pagina gezien? Meld het of stel een correctie voor →