Оценка на политики с обратно претегляне по вероятност
Оценката на политики с обратно претегляне по вероятност (IPW) използва оценени вероятностни резултати, за да претегли отново наблюдаваните единици, така че претеглена извадка да имитира рандомизирано експериментално изследване. Всяка единица се претегля с обратното на вероятността си да получи политиката, създавайки псевдо-популация, в която назначаването на лечение е независимо от наблюдаваните ковариати и средният ефект от лечението (ATE) може да бъде директно отчетен.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Карта на методите
Обкръжението на сродните методи — изберете възел, за да го разгледате.
Източници
- Imbens, G. W., & Wooldridge, J. M. (2009). Recent Developments in the Econometrics of Program Evaluation. Journal of Economic Literature, 47(1), 5-86. DOI: 10.1257/jel.47.1.5 ↗
- Robins, J. M., Hernan, M. A., & Brumback, B. (2000). Marginal Structural Models and Causal Inference in Epidemiology. Epidemiology, 11(5), 550-560. DOI: 10.1097/00001648-200009000-00011 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Inverse Probability Weighting for Policy Evaluation. ScholarGate. https://scholargate.app/bg/causal-inference/policy-evaluation-inverse-probability-weighting
Кой метод?
Поставете този метод до най-близките му сродни методи и ги четете едно до друго — библиотеката полага книгите на масата; изборът е ваш.
- Двойно устойчива оценка (AIPW)Причинно-следствено заключение↔ сравняване
- Претегляне с обратна вероятност на лечението (IPW / IPTW)Причинно-следствено заключение↔ сравняване
- Маргинален структурен модел (МСМ)Причинно-следствено заключение↔ сравняване
- Оценка на политики чрез съвпадение по пропензити скорПричинно-следствено заключение↔ сравняване
- Съгласуване по показател на склонностСтатистика за изследвания↔ сравняване
- Претегляне с оценка на склонността (PSW / IPW)Причинно-следствено заключение↔ сравняване
Similar methods
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →