Pondération Bayésienne par Score de Propension
La pondération bayésienne par score de propension estime les effets causaux du traitement dans des données observationnelles en combinant un modèle bayésien pour le score de propension avec une pondération par l'inverse de la probabilité. En plaçant une distribution a priori sur les paramètres du score de propension et en propageant l'incertitude a posteriori à travers l'étape de pondération, cette approche produit des intervalles d'incertitude entièrement probabilistes pour l'effet moyen du traitement, tenant compte de l'incertitude tant dans le modèle de score que dans le résultat.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Carte des méthodes
Le voisinage des méthodes apparentées — sélectionnez un nœud pour explorer.
Sources
- McCandless, L. C., Gustafson, P., & Austin, P. C. (2009). Bayesian propensity score analysis for observational data. Statistics in Medicine, 28(1), 94–112. DOI: 10.1002/sim.3460 ↗
- Saarela, O., Stephens, D. A., Moodie, E. E. M., & Klein, M. B. (2015). On Bayesian estimation of marginal structural models. Biometrics, 71(2), 279–288. DOI: 10.1111/biom.12269 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Bayesian Propensity Score Weighting for Causal Inference. ScholarGate. https://scholargate.app/fr/causal-inference/bayesian-propensity-score-weighting
Quelle méthode ?
Placez cette méthode aux côtés de ses plus proches parentes et lisez-les côte à côte — la bibliothèque pose les ouvrages sur la table ; le choix vous revient.
- Différences-en-différences bayésiennesInférence causale↔ comparer
- Estimation doublement robuste (AIPW)Inférence causale↔ comparer
- Pondération par l'inverse de la probabilité de traitement (IPW / IPTW)Inférence causale↔ comparer
- Modèle structurel marginal (MSM)Inférence causale↔ comparer
- Appariement par score de propensionStatistiques de recherche↔ comparer
- Pondération par score de propension (PSP / IPW)Inférence causale↔ comparer
Une erreur sur cette page ? Signalez-la ou proposez une correction →