Kaksoisrobustin estimoinnin (AIPW) menetelmä
Kaksoisrobustin estimointi, jota kutsutaan myös augmentoiduksi käänteisen todennäköisyyden painotukseksi (Augmented Inverse Probability Weighting, AIPW), on semiparametrinen menetelmä kausaalisten hoitovaikutusten estimointiin, joka yhdistää tulosregressiomallin ja taipumuksellisuusmallin (hoitomallin). Robins & Rotnitzky (1995) ja Bang & Robins (2005) kehittämän menetelmän mukaan se pysyy johdonmukaisena niin kauan kuin vähintään toinen kahdesta mallista on oikein spesifioitu.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
+50 more
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 1). Augmented Inverse Probability Weighting (AIPW) / Doubly Robust Estimation. ScholarGate. https://scholargate.app/fi/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.
- Kausaalinen mediatoiminnan analyysi (luonnollinen suora ja epäsuora vaikutus)Kausaalipäättely↔ compare
- Käänteisen todennäköisyyden painotus (IPW / IPTW)Kausaalipäättely↔ compare
- Logistinen regressioTutkimuksen tilastomenetelmät↔ compare
- OLS-regressio (Ordinary Least Squares)Ekonometria↔ compare
- Propensity Score MatchingTutkimuksen tilastomenetelmät↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →