Estimació Doblement Robusta (AIPW)
L'Estimació Doblement Robusta, també anomenada Ponderació Inversa de Probabilitat Augmentada (AIPW), és un mètode semiparamètric per estimar efectes causals del tractament que combina un model de regressió de resultats amb un model de propensió (tractament). Desenvolupat en els treballs de Robins & Rotnitzky (1995) i Bang & Robins (2005), es manté consistent sempre que almenys un dels dos models estigui correctament especificat.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
+50 more
Fonts
- Robins, J. M. & Rotnitzky, A. (1995). Semiparametric Efficiency in Multivariate Regression Models with Missing Data. Journal of the American Statistical Association, 90(429), 122-129. DOI: 10.1080/01621459.1995.10476494 ↗
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 1). Augmented Inverse Probability Weighting (AIPW) / Doubly Robust Estimation. ScholarGate. https://scholargate.app/ca/causal-inference/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.
- Anàlisi de mediació causal (efectes directes i indirectes naturals)Inferència causal↔ compare
- Pes pesat per la probabilitat inversa (IPW / IPTW)Inferència causal↔ compare
- Regressió LogísticaEstadística per a la recerca↔ compare
- Regressió per Mínims Quadrats Ordinàris (MQO)Econometria↔ compare
- Emparellament per puntuació de propensióEstadística per a la recerca↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →