Kohdennettu suurimman uskottavuuden estimointi (TMLE)
Kohdennettu suurimman uskottavuuden estimointi (TMLE) on semiparametrinen, kaksinkertaisesti robusti kausaalisen päättelyn menetelmä, jonka Mark van der Laan ja Daniel Rubin esittelivät vuonna 2006. Se yhdistää joustavat koneoppimismallit sekä lopputulokselle että hoito-ohjelman mekanismille, minkä jälkeen sovelletaan kohdennusvaihetta, joka sovittaa alkuperäisen lopputulosmallin uudelleen erityisesti harhan vähentämiseksi ennalta määritellylle kausaaliselle estimandille, kuten keskimääräiselle hoitovaikutukselle. TMLE:tä käytetään laajalti epidemiologiassa, biostatistiikassa ja terveystaloustieteessä kausaalisten vaikutusten arvioinnissa havainnointidatasta.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 2). Targeted Maximum Likelihood Estimation (TMLE). ScholarGate. https://scholargate.app/fi/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.
- KaksoiskoneoppiminenKausaalipäättely↔ compare
- Kaksoisrobustin estimoinnin (AIPW) menetelmäKausaalipäättely↔ compare
- Käänteisen todennäköisyyden painotus (IPW / IPTW)Kausaalipäättely↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →