การประมาณค่าความทนทานสองเท่าสำหรับการประเมินนโยบาย
การประมาณค่าความทนทานสองเท่าสำหรับการประเมินนโยบาย (Policy Evaluation Doubly Robust Estimation) ประยุกต์ใช้วิธีการประมาณค่าความทนทานสองเท่า (doubly robust estimator: DR) เพื่อประเมินผลเชิงสาเหตุของนโยบายสาธารณะหรือโครงการ โดยรวมแบบจำลองการกำหนดกลุ่มเป้าหมาย (คะแนนแนวโน้ม) เข้ากับแบบจำลองผลลัพธ์ และต้องการเพียงแบบจำลองใดแบบจำลองหนึ่งที่ระบุถูกต้องเท่านั้น เพื่อให้ได้ค่าประมาณที่สอดคล้องกันของค่าเฉลี่ยผลกระทบของการรักษา (average treatment effect: ATE) ทำให้เป็นเครื่องมือที่ยืดหยุ่นสำหรับการประเมินโครงการ
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
แผนที่ระเบียบวิธี
ย่านของระเบียบวิธีที่เกี่ยวข้องกัน — เลือกโหนดเพื่อสำรวจ
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Doubly Robust Estimation for Policy Evaluation. ScholarGate. https://scholargate.app/th/causal-inference/policy-evaluation-doubly-robust-estimation
ระเบียบวิธีใด?
วางระเบียบวิธีนี้เคียงข้างระเบียบวิธีใกล้เคียงที่สุด แล้วอ่านเปรียบเทียบกัน — คลังวางหนังสือไว้บนโต๊ะให้แล้ว ส่วนการเลือกเป็นของท่าน
- การประมาณค่าแบบทนทานสองเท่า (AIPW)การอนุมานเชิงสาเหตุ↔ เปรียบเทียบ
- Inverse Probability Weighting (IPW / IPTW) การถ่วงน้ำหนักด้วยความน่าจะเป็นผกผันการอนุมานเชิงสาเหตุ↔ เปรียบเทียบ
- แบบจำลองโครงสร้างส่วนเพิ่ม (Marginal Structural Model: MSM)การอนุมานเชิงสาเหตุ↔ เปรียบเทียบ
- การประเมินนโยบายด้วยการจับคู่คะแนนแนวโน้มการอนุมานเชิงสาเหตุ↔ เปรียบเทียบ
- การถ่วงน้ำหนักด้วยคะแนนแนวโน้ม (Propensity Score Weighting - PSW / IPW)การอนุมานเชิงสาเหตุ↔ เปรียบเทียบ