Bayesiläinen kaksinkertaisesti robusti estimointi
Bayesiläinen kaksinkertaisesti robusti estimointi (Bayesian Doubly Robust Estimation, BDR) yhdistää klassisen kaksinkertaisesti robustin (DR) laajennetun käänteisen todennäköisyyspainotuksen (augmented inverse probability weighting, AIPW) viitekehyksen Bayesiläiseen päättelyyn. Se mallintaa samanaikaisesti taipumuspisteen (propensity score) ja tulosregressiomallin, asettaa priorijakaumat molemmille ja johtaa keskimääräistä hoitovaikutusta koskevan posteriorijakauman, joka pysyy johdonmukaisena, vaikka toinen kahdesta komponenttimallista olisi virheellisesti spesifioitu.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Bayesian Doubly Robust Estimation of Average Treatment Effects. ScholarGate. https://scholargate.app/fi/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.
- Bayesiläinen kausaalivaikutusanalyysiKausaalipäättely↔ compare
- Bayesian Propensity Score MatchingKausaalipäättely↔ compare
- Kaksoisrobustin estimoinnin (AIPW) menetelmäKausaalipäättely↔ compare
- Käänteisen todennäköisyyden painotus (IPW / IPTW)Kausaalipäättely↔ compare
- Marginaalinen rakenteellinen malli (MSM)Kausaalipäättely↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →