Estimativa Duplamente Robusta para Avaliação de Políticas
A Estimativa Duplamente Robusta (DR) aplica o estimador duplamente robusto para avaliar o efeito causal de uma política ou programa público. Combina um modelo de atribuição do tratamento (escore de propensão) com um modelo do desfecho, e requer que apenas um dos dois modelos esteja corretamente especificado para produzir uma estimativa consistente do efeito médio do tratamento, tornando-o uma ferramenta resiliente para avaliação de programas.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Mapa de métodos
A vizinhança de métodos relacionados — selecione um nó para explorar.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Doubly Robust Estimation for Policy Evaluation. ScholarGate. https://scholargate.app/pt/causal-inference/policy-evaluation-doubly-robust-estimation
Qual método?
Coloque este método ao lado dos seus pares mais próximos e leia-os lado a lado — a biblioteca dispõe os livros sobre a mesa; a escolha é sua.
- Estimativa Duplamente Robusta (AIPW)Inferência causal↔ comparar
- Ponderação pela Probabilidade Inversa de Tratamento (IPW / IPTW)Inferência causal↔ comparar
- Modelo Estrutural Marginal (MSM)Inferência causal↔ comparar
- Propensity Score Matching para Avaliação de PolíticasInferência causal↔ comparar
- Ponderação por Escore de Propensão (PEP / IPW)Inferência causal↔ comparar
Encontrou um problema nesta página? Relate ou sugira uma correção →