Pesada per probabilitat inversa en recerca educativa
La Pesada per Probabilitat Inversa (IPW, per les sigles en anglès Inverse Probability Weighting) és una tècnica d'inferència causal que repondera dades observacionals d'educació per imitar un experiment aleatoritzat. A cada estudiant o escola se li assigna un pes igual a la inversa de la probabilitat que hagi rebut el tractament, creant així una pseudo-població en la qual la participació en el programa és independent de les característiques de fons mesurades. El mètode s'utilitza àmpliament en recerca educativa per avaluar programes escolars, intervencions i polítiques a partir de dades administratives o d'enquestes.
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
- 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: 10.1111/1468-0262.00442 ↗
- Stuart, E. A. (2010). Matching Methods for Causal Inference: A Review and a Look Forward. Statistical Science, 25(1), 1-21. DOI: 10.1214/09-STS313 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Inverse Probability Weighting for Causal Inference in Education Research. ScholarGate. https://scholargate.app/ca/causal-inference/inverse-probability-weighting-in-education-research
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.
- Coarsened Exact Matching (CEM)Inferència causal↔ compara
- Diferència en Diferències (Diff-in-Diff)Econometria↔ compara
- Estimació Doblement Robusta (AIPW)Inferència causal↔ compara
- Mètode de Variables Instrumentals (IV) per a la Inferència CausalEconomia de la salut↔ compara
- Emparellament per puntuació de propensióEstadística per a la recerca↔ compara
- Disseny de Regressió per Discontinuïtat (RDD)Inferència causal↔ compara
Similar methods
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →