Estimation bayésienne doublement robuste
L'estimation bayésienne doublement robuste (DR) combine le cadre classique de pondération par l'inverse de la probabilité augmentée (doubly robust, DR) avec l'inférence bayésienne. Elle modélise simultanément le score de propension et la régression des résultats, en plaçant des distributions a priori sur les deux, et dérive une distribution a posteriori de l'effet moyen du traitement qui reste cohérente même si l'un des deux modèles composants est mal spécifié.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Bayesian Doubly Robust Estimation of Average Treatment Effects. ScholarGate. https://scholargate.app/fr/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.
- Analyse d'impact causal bayésienInférence causale↔ compare
- Appariement Bayésien par Score de PropensionInférence causale↔ compare
- Estimation doublement robuste (AIPW)Inférence causale↔ compare
- Pondération par l'inverse de la probabilité de traitement (IPW / IPTW)Inférence causale↔ compare
- Modèle structurel marginal (MSM)Inférence causale↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →