Bayesian Doubly Robust Estimation
Bayesian Doubly Robust Estimation combines the classical doubly robust (DR) augmented inverse probability weighting framework with Bayesian inference. It simultaneously models the propensity score and the outcome regression, placing prior distributions over both, and derives a posterior distribution over the average treatment effect that remains consistent even if one of the two component models is misspecified.
Lähdetietue
Sitaatit kopioitu sanatarkasti metodin lähdetietueesta. Niistä ei päätellä väitteiden tasoista varmennusta.
- 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. · URL
Kuratoituja väitteitä
Väitteet tallennettu todistusaineiston pääkirjaan, jokaisella oma arviointinsa.
Tämä näkymä ei keksi väitteen arviointia, jos pääkirjassa ei ole sitä.
Liittyvät metodit
Luotu metodigraafista ja näytetään koneen ehdottamina suhteina – väitteitä ei päätellä.