ScholarGate
Assistent
Regression modelQuasi-experimental / causal inference

Policy Evaluation Doubly Robust Estimation

Policy Evaluation Doubly Robust Estimation tillämpar den dubbelt robusta (DR) estimatorn för att bedöma den kausala effekten av en offentlig policy eller ett program. Den kombinerar en modell för behandlingsfördelning (propensity score) med en modell för utfallsvariabeln, och kräver endast att en av de två modellerna är korrekt specificerad för att ge en konsekvent skattning av den genomsnittliga behandlingseffekten, vilket gör den till ett resilient verktyg för programutvärdering.

Öppna i MethodMindSnartVideoSnartLadda ner bildspel

Läs hela metoden

Endast för medlemmar

Logga in med ett kostnadsfritt konto för att läsa avsnittet.

Logga in

Metodkarta

Närområdet av besläktade metoder — välj en nod för att utforska.

Källor

  1. 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
  2. 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

Så citerar du den här sidan

ScholarGate. (2026, June 3). Doubly Robust Estimation for Policy Evaluation. ScholarGate. https://scholargate.app/sv/causal-inference/policy-evaluation-doubly-robust-estimation

Vilken metod?

Placera den här metoden bredvid sina närmaste släktingar och läs dem sida vid sida — biblioteket lägger fram böckerna på bordet; valet är ditt.

Jämför sida vid sida
ScholarGatePolicy Evaluation Doubly Robust Estimation (Doubly Robust Estimation for Policy Evaluation). Hämtad 2026-06-15 från https://scholargate.app/sv/causal-inference/policy-evaluation-doubly-robust-estimation · Datamängd: https://doi.org/10.5281/zenodo.20539026