পদ্ধতির তুলনা করুন
নির্বাচিত পদ্ধতিগুলো পাশাপাশি পর্যালোচনা করুন; যে সারিগুলোয় পার্থক্য আছে সেগুলো চিহ্নিত করা হয়।
| বিষমধর্মী ট্রিটমেন্ট ইফেক্ট ইনভার্স প্রোবাবিলিটি ওয়েটিং (HTE-IPW)× | ইনভার্স প্রোবাবিলিটি অফ ট্রিটমেন্ট ওয়েটিং (IPW / IPTW)× | |
|---|---|---|
| ক্ষেত্র | কার্যকারণ অনুমান | কার্যকারণ অনুমান |
| পরিবার | Regression model | Regression model |
| উদ্ভবের বছর≠ | 2003–2015 | 2000 |
| প্রবর্তক≠ | Hirano, Imbens & Ridder; further developed by Abrevaya, Hsu & Lieli | Robins, Hernán & Brumback |
| ধরন≠ | Causal inference / weighted regression | Causal inference weighting estimator |
| মৌলিক উৎস≠ | Hirano, K., Imbens, G. W., & Ridder, G. (2003). Efficient estimation of average treatment effects using the estimated propensity score. Econometrica, 71(4), 1161-1189. DOI ↗ | Robins, J. M., Hernán, M. A., & Brumback, B. (2000). Marginal Structural Models and Causal Inference in Epidemiology. Epidemiology, 11(5), 550-560. DOI ↗ |
| অপর নাম≠ | HTE-IPW, CATE-IPW, heterogeneous IPW, conditional effect IPW | IPW, IPTW, inverse probability of treatment weighting, marginal structural model weighting |
| সম্পর্কিত | 5 | 5 |
| সারসংক্ষেপ≠ | HTE-IPW extends standard inverse probability weighting to recover how causal effects vary across subgroups or covariate values. By reweighting each observation by the inverse of its estimated treatment probability, the method creates a pseudo-population in which treatment is independent of background characteristics, and then estimates conditional average treatment effects (CATEs) as a function of those characteristics. | Inverse Probability Weighting is a causal-inference method that assigns each observation a weight equal to the inverse of its probability of receiving the treatment it actually received. Introduced by Robins, Hernán and Brumback (2000) for marginal structural models, it builds a pseudo-population in which treatment is independent of measured confounders, balancing selection bias. |
| ScholarGateডেটাসেট ↗ |
|
|