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.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Metodkarta
Närområdet av besläktade metoder — välj en nod för att utforska.
Källor
- 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
Så citerar du den här sidan
ScholarGate. (2026, June 22). Difference-in-Means Estimator for Randomized Experiments. ScholarGate. https://scholargate.app/sv/political-science/difference-in-means-experiment
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.
- Audit ExperimentPolitical Science↔ jämför
- Field Experiment in PoliticsPolitical Science↔ jämför
- Natural Experiment in PoliticsPolitical Science↔ jämför
- Survey ExperimentPolitical Science↔ jämför
Refereras av
Liknande metoder
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →