Robust Propensity Score Weighting
Robust Propensity Score Weighting udvider standard invers sandsynlighedsvægtning (inverse probability weighting) ved at inkorporere beskyttelse mod fejlspecifikation af propensity score-modellen og ekstreme vægte. Den kombinerer teknikker såsom vægttrimning, overlapvægtning eller augmenterede outcome-modeller for at sikre, at estimater af kausale effekter forbliver pålidelige, selv når propensity score-modellen er ufuldstændigt specificeret.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Metodekort
Nabolaget af beslægtede metoder — vælg en knude for at udforske.
Kilder
- Robins, J. M., Rotnitzky, A., & Zhao, L. P. (1994). Estimation of regression coefficients when some regressors are not always observed. Journal of the American Statistical Association, 89(427), 846-866. DOI: 10.1080/01621459.1994.10476818 ↗
- Zhao, Q., Small, D. S., & Bhattacharya, B. B. (2019). Sensitivity analysis for inverse probability weighting estimators via the percentile bootstrap. Journal of the Royal Statistical Society: Series B, 81(4), 735-761. DOI: 10.1111/rssb.12327 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Robust Propensity Score Weighting Estimator. ScholarGate. https://scholargate.app/da/causal-inference/robust-propensity-score-weighting
Hvilken metode?
Stil denne metode ved siden af dens nærmeste slægtninge, og læs dem side om side — biblioteket lægger bøgerne på bordet; valget er dit.
- Dobbelt Robust Estimation (AIPW)Kausal inferens↔ sammenlign
- Vægtning med den inverse behandlingssandsynlighed (IPW / IPTW)Kausal inferens↔ sammenlign
- Marginal Structural Model (MSM)Kausal inferens↔ sammenlign
- Propensity Score MatchingForskningsstatistik↔ sammenlign
- Propensity Score Weighting (PSW / IPW)Kausal inferens↔ sammenlign
- Følsomhedsanalyse for kausalitetKausal inferens↔ sammenlign
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →