Байесово двойно устойчиво оценяване
Байесовото двойно устойчиво оценяване (Bayesian Doubly Robust Estimation) съчетава класическата двойно устойчива (DR) рамка за претегляне с инверсна вероятност (augmented inverse probability weighting) с Байесов извод. То едновременно моделира оценката на склонността (propensity score) и регресията на резултата, като поставя априорни разпределения и върху двете, и извежда апостериорно разпределение на средния ефект от лечението, което остава състоятелно, дори ако един от двата компонентни модела е неправилно специфициран.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- 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 ↗
- Scharfstein, D., Nabi, R., Kennedy, E. H., Huang, M.-Y., Bonvini, M., & Smid, M. (2021). Semiparametric sensitivity analysis: Unmeasured confounding in observational studies. arXiv:1910.14694. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Bayesian Doubly Robust Estimation of Average Treatment Effects. ScholarGate. https://scholargate.app/bg/causal-inference/bayesian-doubly-robust-estimation
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Бейсънов анализ на причинно-следственото въздействиеПричинно-следствено заключение↔ compare
- Байесовски метод за съпоставяне на склонността (Bayesian PSM)Причинно-следствено заключение↔ compare
- Двойно устойчива оценка (AIPW)Причинно-следствено заключение↔ compare
- Претегляне с обратна вероятност на лечението (IPW / IPTW)Причинно-следствено заключение↔ compare
- Маргинален структурен модел (МСМ)Причинно-следствено заключение↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →