Romlig dobbelt robust estimering
Romlig dobbelt robust estimering er en semiparametrisk kausal inferensmetode som kombinerer propensitetsvektlegging med utfallsregresjonsmodellering – og gir beskyttelse mot feilspesifisering av begge komponenter – samtidig som den eksplisitt tar hensyn til romlig autokorrelasjon mellom enheter. Den utvider den klassiske augmented inverse probability weighting (AIPW)-estimatoren til situasjoner der behandlingsallokering og utfall er geografisk klyngede eller romlig avhengige.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Papadogeorgou, G., Mealli, F., & Zigler, C. M. (2019). Causal inference with interfering units for cluster and population level treatment allocation programs. Biometrics, 75(3), 778-787. DOI: 10.1111/biom.13049 ↗
- Kennedy, E. H. (2016). Semiparametric theory and empirical processes in causal inference. In H. He, P. Wu, & D.-G. Chen (Eds.), Statistical Causal Inferences and Their Applications in Public Health Research (pp. 141-167). Springer. link ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Spatial Doubly Robust Causal Estimation. ScholarGate. https://scholargate.app/no/causal-inference/spatial-doubly-robust-estimation
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Differanse-i-differanser (DiD)Økonometri↔ compare
- Dobbel robust estimering (AIPW)Kausal inferens↔ compare
- Geografisk vektet regresjon (GWR)Romlig analyse↔ compare
- Inverse Probability of Treatment Weighting (IPW / IPTW)Kausal inferens↔ compare
- Propensity Score MatchingForskningsstatistikk↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →