Regression modelQuasi-experimental / causal inference

稳健反事实影响评估

稳健反事实影响评估（Robust CIE）通过结合多种准实验估计量、安慰剂检验和正式的敏感性分析来加强因果影响估计。它不依赖单一方法，而是跨方法交叉验证结果——例如匹配、双重差分和回归不连续性设计——以确保结论不依赖于任何单一的方法选择。

在 MethodMind 中打开即将推出Apply, compare, get guidance

Tools & resources

下载幻灯片

Learn & explore

视频即将推出

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。

稳健反事实影响评估

反事实影响评估 (CIE)双重差分法 (Diff-in-Diff)双重稳健估计（AIPW）倾向得分匹配因果关系的敏感性分析

来源

Bia, M., Flores, C. A., Flores-Lagunes, A., & Mattei, A. (2014). A Stata package for the application of semiparametric estimators of dose–response functions. Stata Journal, 14(3), 580–604. link ↗
Ferrara, A. R., McCann, P., Pellegrini, G., Stelder, D., & Terribile, F. (2017). Assessing the impacts of Cohesion Policy on EU regions: A non-parametric analysis on interventions with multiple treatment intensities. Environment and Planning C: Politics and Space, 35(8), 1467–1487. link ↗

如何引用本页

ScholarGate. (2026, June 3). Robust Counterfactual Impact Evaluation. ScholarGate. https://scholargate.app/zh/causal-inference/robust-counterfactual-impact-evaluation

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 →

Related reference concepts

敏感性分析准实验和自然实验设计因果推断反事实推理因果识别自然实验

发现本页有问题？报告或提出修改建议 →