Estimació bayesiana doblement robusta
L'estimació bayesiana doblement robusta (BDR) combina el marc clàssic de ponderació per inversió de probabilitat augmentada (AIPW) doblement robust (DR) amb la inferència bayesiana. Modela simultàniament la puntuació de propensió i la regressió de resultats, col·locant distribucions prèvies sobre ambdues, i deriva una distribució posterior sobre l'efecte mitjà del tractament que roman consistent fins i tot si un dels dos models components està mal especificat.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Mapa de mètodes
El veïnat de mètodes relacionats — seleccioneu un node per explorar-lo.
Fonts
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Bayesian Doubly Robust Estimation of Average Treatment Effects. ScholarGate. https://scholargate.app/ca/causal-inference/bayesian-doubly-robust-estimation
Quin mètode?
Poseu aquest mètode al costat dels seus parents més pròxims i llegiu-los de costat a costat — la biblioteca disposa els llibres sobre la taula; la tria és vostra.
- Anàlisi d'Impacte Causal BayesianaInferència causal↔ compara
- Emparellament bayesià de puntuacions de propensióInferència causal↔ compara
- Estimació Doblement Robusta (AIPW)Inferència causal↔ compara
- Pes pesat per la probabilitat inversa (IPW / IPTW)Inferència causal↔ compara
- Model Estructural Marginal (MSM)Inferència causal↔ compara
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →