Estymacja wielookresowa podwójnie odporna
Wielookresowa estymacja podwójnie odporna (DR) rozszerza klasyczne podejście podwójnie odporne na ustawienia podłużne z wieloma okresami leczenia i punktami czasowymi. Łączy ona model regresji wyników i model skłonności do przyjmowania leczenia dla każdego okresu, zachowując spójność oszacowania efektu przyczynowego tak długo, jak długo co najmniej jeden z tych dwóch modeli jest poprawnie określony w każdym punkcie czasowym.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Mapa metod
Sąsiedztwo pokrewnych metod — wybierz węzeł, aby je zgłębić.
Źródła
- 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 ↗
- Callaway, B., & Sant'Anna, P. H. C. (2021). Difference-in-differences with multiple time periods. Journal of Econometrics, 225(2), 200-230. DOI: 10.1016/j.jeconom.2020.12.001 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Multi-period Doubly Robust Causal Effect Estimator. ScholarGate. https://scholargate.app/pl/causal-inference/multi-period-doubly-robust-estimation
Która metoda?
Zestaw tę metodę z najbliższymi jej krewnymi i czytaj je obok siebie — biblioteka kładzie księgi na stole; wybór należy do Ciebie.
- Metoda różnic w różnicach (Diff-in-Diff)Ekonometria↔ porównaj
- Estymacja podwójnie odporna (AIPW)Wnioskowanie przyczynowe↔ porównaj
- Dynamic Difference-in-DifferencesWnioskowanie przyczynowe↔ porównaj
- Ważenie odwrotnością prawdopodobieństwa leczenia (IPW / IPTW)Wnioskowanie przyczynowe↔ porównaj
- Model strukturalny brzegowy (MSM)Wnioskowanie przyczynowe↔ porównaj
- Dopasowanie wyników skłonnościStatystyka w badaniach↔ porównaj
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →