برآورد دوگانه استوار (AIPW)
برآورد دوگانه استوار، که با نام وزندهی معکوس احتمال افزوده (AIPW) نیز شناخته میشود، روشی نیمهپارامتریک برای برآورد اثرات علی درمان است که مدل رگرسیون پیامد را با مدل تمایل (درمان) ترکیب میکند. این روش که در کارهای Robins & Rotnitzky (1995) و Bang & Robins (2005) توسعه یافته است، تا زمانی که حداقل یکی از دو مدل به درستی مشخص شده باشد، سازگار باقی میماند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
+50 more
منابع
- Robins, J. M. & Rotnitzky, A. (1995). Semiparametric Efficiency in Multivariate Regression Models with Missing Data. Journal of the American Statistical Association, 90(429), 122-129. DOI: 10.1080/01621459.1995.10476494 ↗
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 1). Augmented Inverse Probability Weighting (AIPW) / Doubly Robust Estimation. ScholarGate. https://scholargate.app/fa/causal-inference/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.
- تحلیل میانجیگری سببی (اثرات مستقیم و غیرمستقیم طبیعی)استنتاج علّی↔ compare
- وزندهی احتمال معکوسِ دریافتِ درمان (IPW / IPTW)استنتاج علّی↔ compare
- رگرسیون لجستیکآمار پژوهش↔ compare
- رگرسیون حداقل مربعات معمولی (OLS)اقتصادسنجی↔ compare
- تطابق امتیاز تمایل (Propensity Score Matching)آمار پژوهش↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →