Čo je to dvojitá robustná odhad?

Dvojitá odolná odhad je metóda v kauzálnej inferencii a štatistike, ktorá kombinuje dva prístupy na odhad účinku liečby alebo vplyvu: model výsledku (outcome model) a model pravdepodobnosti priradenia liečby (propensity score model). Táto metóda zabezpečuje odolnosť odhadu: ak je aspoň jeden z modelov správne špecifikovaný, odhad účinku bude konzistentný.

Použitie dvojitej odolnej odhadu umožňuje znížiť skreslenie a zvýšiť presnosť v situáciách, kde sú údaje pozorované a existuje možnosť chýb v modeloch. To je obzvlášť užitočné pri modelovaní uplift a kauzálnej analýze.

Príklad vzorca pre dvojitú odolnú odhad:

[ \hat{\tau}{DR} = \frac{1}{n} \sum{i=1}^n \left( \frac{T_i - e(X_i)}{e(X_i)(1 - e(X_i))} (Y_i - \hat{m}(X_i)) + \hat{m}_1(X_i) - \hat{m}_0(X_i) \right) ]

kde:

• (T_i) je indikátor liečby,
• (e(X_i)) je pravdepodobnosť priradenia liečby,
• (Y_i) je pozorovaný výsledok,
• (\hat{m}(X_i)), (\hat{m}_1(X_i)), (\hat{m}_0(X_i)) sú odhady výsledku pri liečbe a bez liečby, v poradí.