statsmodels.treatment.treatment_effects.TreatmentEffect¶

class statsmodels.treatment.treatment_effects.TreatmentEffect(model, treatment, results_select=None, _cov_type='HC0', **kwds)[source]¶

估计在条件独立下的平均处理效应

在版本0.14.0中添加。

此类使用5种不同方法（ipw、ra、aipw、aipw-wls、ipw-ra）估计治疗效果和潜在结果。 标准误差和推断基于选择或治疗模型、结果模型和效应函数的联合GMM表示。

Parameters:¶

modelinstance of a model class

模型类应包含用于结果模型的endog和exog。

treatmentndarray

用于表示观察对象是否接受处理（1）或未接受处理（0）的指示数组

results_selectresults instance

治疗或选择模型的结果实例。

_cov_type“HC0”

内部关键词。该关键词不影响GMMResults，后者始终对应于HC0标准误差。

kwdskeyword arguments

当前未使用

注释

结果模型目前仅限于基于OLS的线性模型。 其他结果模型，如Logit和Poisson，将在未来提供。

请参阅Treatment Effect notebook 以获取概述。

方法

aipw([return_results, disp])	ATE和POM来自双重稳健增强逆概率加权
aipw_wls([return_results, disp])	ATE 和 POM 来自双重稳健增强逆概率加权。
from_data(endog, exog, treatment[, model])	从数据创建模型
ipw([return_results, effect_group, disp])	逆概率加权处理效应估计。
ipw_ra([return_results, effect_group, disp])	ATE 和 POM 来自逆概率加权回归调整。
ra([return_results, effect_group, disp])	回归调整处理效应估计。