Robust Inverse Probability Weighting (Robust IPW)
Robust Inverse Probability Weighting ist ein Schätzer für kausale Inferenz, der beobachtete Einheiten mit stabilisierten oder getrimmten Propensity-Score-Gewichten neu gewichtet und dann Sandwich- oder Bootstrap-Varianzschätzungen anwendet, um sich gegen Modellfehlspezifikation, extreme Gewichte und aufgeblähte Standardfehler abzusichern. Er erweitert das Standard-IPW, um die Leistung in endlichen Stichproben und die inferentielle Zuverlässigkeit in Beobachtungsstudien zu verbessern.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Methodenkarte
Die Nachbarschaft verwandter Methoden — wählen Sie einen Knoten, um sie zu erkunden.
Quellen
- Lunceford, J. K., & Davidian, M. (2004). Stratification and weighting via the propensity score in estimation of causal treatment effects: a comparative study. Statistics in Medicine, 23(19), 2937-2960. DOI: 10.1002/sim.1903 ↗
- Robins, J. M., Hernán, M. A., & Brumback, B. (2000). Marginal structural models and causal inference in epidemiology. Epidemiology, 11(5), 550-560. DOI: 10.1097/00001648-200009000-00011 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Robust Inverse Probability Weighting Estimator. ScholarGate. https://scholargate.app/de/causal-inference/robust-inverse-probability-weighting
Welche Methode?
Stellen Sie diese Methode neben ihre nächsten Verwandten und lesen Sie sie nebeneinander — die Bibliothek legt die Bücher auf den Tisch; die Wahl liegt bei Ihnen.
- Doubly Robust Estimation (AIPW)Kausale Inferenz↔ vergleichen
- Inverse Probability of Treatment Weighting (IPW / IPTW)Kausale Inferenz↔ vergleichen
- Marginales Strukturelles Modell (MSM)Kausale Inferenz↔ vergleichen
- Propensity Score MatchingForschungsstatistik↔ vergleichen
- Propensity Score Weighting (PSW / IPW)Kausale Inferenz↔ vergleichen
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →