Bayesian Inverse Probability Weighting

Bayesian Inverse Probability Weighting (Bayesian IPW) erweitert den klassischen IPW-Schätzer, indem Prior-Verteilungen über die Parameter des Propensity-Score-Modells gelegt und diese Unsicherheit in die Schätzung des kausalen Effekts einbezogen wird. Das Ergebnis ist eine Posterior-Verteilung für den durchschnittlichen Behandlungseffekt, die sowohl die Unsicherheit der Propensity-Score-Schätzung als auch die Unsicherheit des Outcome-Modells vollständig berücksichtigt und somit eine Inferenz mittels Glaubwürdigkeitsintervallen ermöglicht, anstatt sich auf asymptotische Näherungen zu verlassen.