Ponderación Bayesiana por Puntaje de Propensión
La ponderación bayesiana por puntaje de propensión estima los efectos causales del tratamiento en datos observacionales combinando un modelo bayesiano para el puntaje de propensión con la ponderación por probabilidad inversa. Al establecer una distribución a priori sobre los parámetros del puntaje de propensión y propagar la incertidumbre posterior a través del paso de ponderación, este enfoque produce intervalos de incertidumbre totalmente probabilísticos para el efecto promedio del tratamiento, considerando la incertidumbre tanto en el modelo del puntaje como en el resultado.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Mapa de métodos
El vecindario de métodos relacionados: selecciona un nodo para explorarlo.
Fuentes
- McCandless, L. C., Gustafson, P., & Austin, P. C. (2009). Bayesian propensity score analysis for observational data. Statistics in Medicine, 28(1), 94–112. DOI: 10.1002/sim.3460 ↗
- Saarela, O., Stephens, D. A., Moodie, E. E. M., & Klein, M. B. (2015). On Bayesian estimation of marginal structural models. Biometrics, 71(2), 279–288. DOI: 10.1111/biom.12269 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Bayesian Propensity Score Weighting for Causal Inference. ScholarGate. https://scholargate.app/es/causal-inference/bayesian-propensity-score-weighting
¿Qué método?
Coloca este método junto a sus parientes más cercanos y léelos lado a lado: la biblioteca pone los libros sobre la mesa; la elección es tuya.
- Diferencias en Diferencias BayesianoInferencia causal↔ comparar
- Estimación Doblemente Robusta (AIPW)Inferencia causal↔ comparar
- Ponderación por Probabilidad Inversa de Tratamiento (IPW / IPTW)Inferencia causal↔ comparar
- Modelo Estructural Marginal (MSM)Inferencia causal↔ comparar
- Emparejamiento por Puntuación de PropensiónEstadística para la investigación↔ comparar
- Ponderación por Puntuación de Propensión (PSW / IPW)Inferencia causal↔ comparar
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →