Estimación Bayesiana Doblemente Robusta
La Estimación Bayesiana Doblemente Robusta combina el marco clásico de ponderación de probabilidad inversa aumentada (DR) doblemente robusto con la inferencia bayesiana. Modela simultáneamente la puntuación de propensión y la regresión del resultado, colocando distribuciones previas sobre ambas, y deriva una distribución posterior sobre el efecto promedio del tratamiento que permanece consistente incluso si uno de los dos modelos componentes está mal especificado.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Bayesian Doubly Robust Estimation of Average Treatment Effects. ScholarGate. https://scholargate.app/es/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.
- Análisis de Impacto Causal BayesianoInferencia causal↔ compare
- Emparejamiento Bayesiano por Puntuación de PropensiónInferencia causal↔ compare
- Estimación Doblemente Robusta (AIPW)Inferencia causal↔ compare
- Ponderación por Probabilidad Inversa de Tratamiento (IPW / IPTW)Inferencia causal↔ compare
- Modelo Estructural Marginal (MSM)Inferencia causal↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →