เปรียบเทียบวิธี

	การประมาณค่าความทนทานสองเท่าสำหรับการประเมินนโยบาย	การถ่วงน้ำหนักด้วยคะแนนแนวโน้ม (Propensity Score Weighting - PSW / IPW)
สาขาวิชา	การอนุมานเชิงสาเหตุ	การอนุมานเชิงสาเหตุ
ตระกูล	Regression model	Regression model
ปีกำเนิด	1994-2005	1983 (propensity score); 2003 (efficient IPW estimator)
ผู้ริเริ่ม	Robins, Rotnitzky & Zhao (1994); Bang & Robins (2005)	Rosenbaum & Rubin (propensity score); Hirano, Imbens & Ridder (efficient weighting)
ประเภท	Semiparametric causal estimator	Causal inference / reweighting
แหล่งต้นตำรับ	Bang, H., & Robins, J. M. (2005). Doubly robust estimation in missing data and causal inference models. Biometrics, 61(4), 962-973.	Rosenbaum, P. R., & Rubin, D. B. (1983). The central role of the propensity score in observational studies for causal effects. Biometrika, 70(1), 41-55.
ชื่อเรียกอื่น	DR estimation for policy, augmented IPW for policy evaluation, AIPW policy evaluation, doubly robust policy analysis	PSW, inverse probability weighting, IPW, propensity-based weighting
ที่เกี่ยวข้อง	5	6
สรุป	Policy Evaluation Doubly Robust Estimation applies the doubly robust (DR) estimator to assess the causal effect of a public policy or programme. It combines a model of treatment assignment (propensity score) with a model of the outcome, and requires only one of the two models to be correctly specified to produce a consistent estimate of the average treatment effect, making it a resilient tool for programme evaluation.	Propensity score weighting is a causal-inference method that reweights observations so that the covariate distributions of treated and untreated units look exchangeable, enabling unbiased estimation of average treatment effects from observational data. Each unit receives a weight that is the inverse of its probability of receiving the treatment it actually received — a strategy formalised by Rosenbaum and Rubin (1983) and given its efficient semiparametric form by Hirano, Imbens and Ridder (2003).