ScholarGate
دستیار
Regression modelQuasi-experimental / causal inference

وزن‌دهی احتمالاتی معکوس اثرات درمان ناهمگن (HTE-IPW)

HTE-IPW روش وزن‌دهی احتمالاتی معکوس استاندارد را بسط می‌دهد تا بازیابی کند که چگونه اثرات علی در طول زیرگروه‌ها یا مقادیر کوواریانس متغیر هستند. با وزن‌دهی مجدد هر مشاهده با معکوس احتمال درمان تخمین‌زده‌شده آن، این روش یک شبه‌جمعیت ایجاد می‌کند که در آن درمان مستقل از ویژگی‌های پس‌زمینه است و سپس اثرات میانگین درمان شرطی (CATEs) را به عنوان تابعی از آن ویژگی‌ها تخمین می‌زند.

باز کردن در MethodMindبه‌زودیApply, compare, get guidance
Tools & resources
دریافت اسلایدها
Learn & explore
ویدیوبه‌زودی

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

نقشهٔ روش

همسایگی روش‌های مرتبط — برای کاوش، یک گره را برگزینید.

منابع

  1. Hirano, K., Imbens, G. W., & Ridder, G. (2003). Efficient estimation of average treatment effects using the estimated propensity score. Econometrica, 71(4), 1161-1189. DOI: 10.1111/1468-0262.00442
  2. Abrevaya, J., Hsu, Y.-C., & Lieli, R. P. (2015). Estimating conditional average treatment effects. Journal of Business and Economic Statistics, 33(4), 485-505. DOI: 10.1080/07350015.2014.975555

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Heterogeneous Treatment Effect Estimation via Inverse Probability Weighting. ScholarGate. https://scholargate.app/fa/causal-inference/heterogeneous-treatment-effect-inverse-probability-weighting

کدام روش؟

این روش را در کنار نزدیک‌ترین روش‌های خویشاوندش بگذارید و آن‌ها را کنار هم بخوانید — کتابخانه کتاب‌ها را روی میز می‌گشاید؛ انتخاب با شماست.

مقایسهٔ کنار هم
ScholarGateHeterogeneous Treatment Effect Inverse Probability Weighting (Heterogeneous Treatment Effect Estimation via Inverse Probability Weighting). بازیابی‌شده در 2026-06-17 از https://scholargate.app/fa/causal-inference/heterogeneous-treatment-effect-inverse-probability-weighting · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026