Целенасочена оценка по метода на максималното правдоподобие (TMLE)
Целенасочената оценка по метода на максималното правдоподобие (TMLE) е полупараметричен, двойно робастен метод за причинно-следствена оценка, въведен от Марк ван дер Лаан и Даниел Рубин през 2006 г. Той комбинира гъвкави модели за машинно обучение както за резултата, така и за механизма за разпределение на лечението, след което прилага целенасочена стъпка, която пренастройва първоначалния модел на резултата, специално за намаляване на отклонението за предварително зададен причинно-следствен оценяван параметър, като например средния ефект от лечението. TMLE се използва широко в епидемиологията, биостатистиката и здравната икономика при оценяване на причинно-следствени ефекти от наблюдателни данни.
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
- van der Laan, M. J., & Rubin, D. (2006). Targeted maximum likelihood learning. The International Journal of Biostatistics, 2(1). DOI: 10.2202/1557-4679.1043 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 2). Targeted Maximum Likelihood Estimation (TMLE). ScholarGate. https://scholargate.app/bg/causal-inference/targeted-maximum-likelihood
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.
- Двойно машинно обучениеПричинно-следствено заключение↔ compare
- Двойно устойчива оценка (AIPW)Причинно-следствено заключение↔ compare
- Претегляне с обратна вероятност на лечението (IPW / IPTW)Причинно-следствено заключение↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →