Regression modelQuasi-experimental / causal inference

多期双重稳健估计

多期双重稳健（DR）估计将经典的双重稳健方法扩展到具有多个处理期和时间点的情境中。它为每个时期结合了结果回归模型和倾向得分模型，只要两个模型中至少有一个在每个时间点都被正确设定，因果效应估计就能保持一致性。

在 MethodMind 中打开即将推出视频即将推出下载幻灯片

阅读完整方法

仅限会员

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。

多期双重稳健估计

双重差分法 (Diff-in-Diff)双重稳健估计（AIPW）动态双重差分逆概率治疗加权法 (IPW / IPTW)Marginal Structural Mode…倾向得分匹配

来源

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 ↗
Callaway, B., & Sant'Anna, P. H. C. (2021). Difference-in-differences with multiple time periods. Journal of Econometrics, 225(2), 200-230. DOI: 10.1016/j.jeconom.2020.12.001 ↗

如何引用本页

ScholarGate. (2026, June 3). Multi-period Doubly Robust Causal Effect Estimator. ScholarGate. https://scholargate.app/zh/causal-inference/multi-period-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。

并排比较 →

发现本页有问题？报告或提出修改建议 →