Bayesian Doubly Robust Estimation
Die Bayessche Doubly Robust Estimation kombiniert den klassischen Doubly-Robust-Rahmen (DR) der augmentierten inversen Wahrscheinlichkeitsgewichtung mit Bayesscher Inferenz. Sie modelliert simultan den Propensity Score und die Outcome-Regression, legt Prior-Verteilungen über beide und leitet eine Posterior-Verteilung für den durchschnittlichen Behandlungseffekt ab, die konsistent bleibt, selbst wenn eines der beiden Komponentenmodelle fehlspezifiziert ist.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Bayesian Doubly Robust Estimation of Average Treatment Effects. ScholarGate. https://scholargate.app/de/causal-inference/bayesian-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.
- Bayesian Causal Impact AnalysisKausale Inferenz↔ compare
- Bayesian Propensity Score MatchingKausale Inferenz↔ compare
- Doubly Robust Estimation (AIPW)Kausale Inferenz↔ compare
- Inverse Probability of Treatment Weighting (IPW / IPTW)Kausale Inferenz↔ compare
- Marginales Strukturelles Modell (MSM)Kausale Inferenz↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →