Targeted Maximum Likelihood Estimation (TMLE)
Targeted Maximum Likelihood Estimation (TMLE) és un mètode d'inferència causal semiparamètric i doblement robust introduït per Mark van der Laan i Daniel Rubin el 2006. Combina models flexibles d'aprenentatge automàtic tant per al resultat com per al mecanisme d'assignació del tractament, i després aplica un pas de focalització que reajusta el model de resultat inicial específicament per reduir el biaix per a un estimand causal preespecificat, com ara l'efecte mitjà del tractament. El TMLE s'utilitza àmpliament en epidemiologia, bioestadística i economia de la salut a l'hora d'estimar efectes causals a partir de dades observacionals.
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.
Fonts
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 2). Targeted Maximum Likelihood Estimation (TMLE). ScholarGate. https://scholargate.app/ca/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.
- Doble aprenentatge automàticInferència causal↔ compare
- Estimació Doblement Robusta (AIPW)Inferència causal↔ compare
- Pes pesat per la probabilitat inversa (IPW / IPTW)Inferència causal↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →