برآورد حداکثر درستنمایی هدفمند (TMLE)
برآورد حداکثر درستنمایی هدفمند (TMLE) یک روش استنتاج علی نیمهپارامتری و دوگانه قوی است که توسط مارک ون در لان و دانیل رابین در سال ۲۰۰۶ معرفی شد. این روش مدلهای یادگیری ماشین انعطافپذیر را هم برای پیامد و هم برای مکانیزم تخصیص درمان ترکیب میکند، سپس یک مرحله هدفمند را به کار میبرد که مدل اولیه پیامد را به طور خاص برای کاهش سوگیری برای یک برآوردگر علی از پیش تعیین شده مانند اثر متوسط درمان، مجدداً برازش میکند. TMLE به طور گسترده در اپیدمیولوژی، آمار زیستی و اقتصاد سلامت هنگام برآورد اثرات علی از دادههای مشاهدهای استفاده میشود.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- van der Laan, M. J., & Rubin, D. (2006). Targeted maximum likelihood learning. The International Journal of Biostatistics, 2(1). DOI: 10.2202/1557-4679.1043 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 2). Targeted Maximum Likelihood Estimation (TMLE). ScholarGate. https://scholargate.app/fa/causal-inference/targeted-maximum-likelihood
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.
- یادگیری ماشین مضاعفاستنتاج علّی↔ compare
- برآورد دوگانه استوار (AIPW)استنتاج علّی↔ compare
- وزندهی احتمال معکوسِ دریافتِ درمان (IPW / IPTW)استنتاج علّی↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →