Regression modelQuasi-experimental / causal inference
异质性处理效应双重稳健估计
异质性处理效应（HTE）的双重稳健估计旨在估算处理的因果效应在不同亚组或个体协变量值之间如何变化。通过结合结果模型和倾向得分模型，如果其中一个模型被正确指定，它就能保持一致性，并通过交叉拟合支持灵活的机器学习 nuisance 估计量，以产生有效的条件平均处理效应（CATE）估计。
在 MethodMind 中打开即将推出Apply, compare, get guidance
Tools & resources
Learn & explore
视频即将推出
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
方法图谱
相关方法的邻域——选择一个节点以展开探索。
来源
- Kennedy, E. H. (2023). Towards optimal doubly robust estimation of heterogeneous causal effects. Electronic Journal of Statistics, 17(2), 3008-3049. DOI: 10.1214/23-EJS2157 ↗
- Chernozhukov, V., Chetverikov, D., Demirer, M., Duflo, E., Hansen, C., Newey, W., & Robins, J. (2018). Double/debiased machine learning for treatment and structural parameters. The Econometrics Journal, 21(1), C1-C68. DOI: 10.1111/ectj.12097 ↗
如何引用本页
ScholarGate. (2026, June 3). Doubly Robust Estimation of Heterogeneous Treatment Effects. ScholarGate. https://scholargate.app/zh/causal-inference/heterogeneous-treatment-effect-doubly-robust-estimation
选用哪种方法？
将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。
- 双重稳健估计（AIPW）因果推断↔ 比较
- 逆概率治疗加权法 (IPW / IPTW)因果推断↔ 比较
- 机器学习增强双重稳健估计 (ML-DR)因果推断↔ 比较
- Marginal Structural Model (MSM)因果推断↔ 比较
- 倾向得分加权法 (PSW / IPW)因果推断↔ 比较
Similar methods
Heterogeneous Treatment Effect Inverse Probability WeightingMachine learning-augmented doubly robust estimationPolicy Evaluation Doubly Robust EstimationHeterogeneous Treatment Effect Matching EstimatorHeterogeneous Treatment Effect Propensity Score MatchingDoubly Robust Estimation in Education ResearchBayesian Doubly Robust EstimationMachine Learning-Augmented Counterfactual Impact Evaluation