ScholarGate
Assistant
Regression model

Estimation doublement robuste (AIPW)

L'estimation doublement robuste, aussi appelée pondération par l'inverse de la probabilité augmentée (AIPW, pour Augmented Inverse Probability Weighting), est une méthode semi-paramétrique d'estimation des effets causaux d'un traitement qui combine un modèle de régression de l'issue et un modèle de propension (du traitement). Développée dans les travaux de Robins & Rotnitzky (1995) et Bang & Robins (2005), elle reste consistante tant qu'au moins un des deux modèles est correctement spécifié.

Ouvrir dans MethodMindBientôtVidéoBientôtDownload slides

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Method map

The neighbourhood of related methods — select a node to explore.

Estimation doublement robuste (AIPW)
Analyse causale de média…Pondération par l'invers…Régression logistiqueRégression par Moindres…Appariement par score de…Estimation bayésienne do…Équilibrage d'entropie b…Pondération Bayésienne p…Modèle Structurel Margin…Estimateur bayésien par…

+50 more

Sources

  1. 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 ↗
  2. 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 ↗

Comment citer cette page

ScholarGate. (2026, June 1). Augmented Inverse Probability Weighting (AIPW) / Doubly Robust Estimation. ScholarGate. https://scholargate.app/fr/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.

Compare side by side →

Référencée par

Estimation bayésienne doublement robusteÉquilibrage d'entropie bayésienPondération Bayésienne par l'Inverse de la ProbabilitéModèle Structurel Marginal BayésienEstimateur bayésien par appariementAppariement Bayésien par Score de PropensionPondération Bayésienne par Score de PropensionAnalyse de sensibilité bayésienne pour la causalitéApprentissage automatique doubleEstimation doublement robuste en recherche en éducationPondération Inverse de Probabilité DynamiqueAppariement dynamique par score de propensionÉquilibrage par entropieCalcul G (formule G paramétrique)Estimation doublement robuste des effets hétérogènes du traitementÉquilibrage entropique des effets de traitement hétérogènesHeterogeneous Treatment Effect Inverse Probability WeightingModèle Structurel Marginal à Effet Traitement Hétérogène (HTE-MSM)Estimateur d'appariement des effets de traitement hétérogènesAppariement par score de propension pour l'effet de traitement hétérogèneAnalyse de sensibilité des effets hétérogènes du traitement pour la causalitéPondération par l'inverse de la probabilité de traitement (IPW / IPTW)Pondération par Probabilité Inverse dans la Recherche en ÉducationAnalyse d'impact causal augmentée par l'apprentissage automatiqueMachine Learning-Augmented Coarsened Exact MatchingDifférence-en-différences (DiD) augmentée par apprentissage automatique (ML-DiD)Estimation doublement robuste augmentée par apprentissage automatique (ML-DR)Équilibrage d'entropie augmenté par apprentissage automatiqueMachine Learning-Augmented Fuzzy Regression DiscontinuityMachine Learning-Augmented Inverse Probability WeightingModèle structurel marginal augmenté par apprentissage automatique (ML-MSM)Estimateur par Appariement Augmenté par Apprentissage AutomatiqueAppariement par score de propension augmenté par l'apprentissage automatiquePondération par score de propension augmentée par apprentissage automatiqueModèle structurel marginal (MSM)Estimateur par appariementEstimation robuste double multi-périodesPondération par l'inverse de la probabilité sur plusieurs périodesPondération par score de propension multi-périodesEstimation doublement robuste pour l'évaluation des politiquesÉvaluation de politiques par pondération par l'inverse de la probabilitéModèle Structurel Marginal pour l'Évaluation des PolitiquesÉvaluation de politiques par appariement sur score de propensionPondération par score de propension pour l'évaluation des politiquesPondération par score de propension (PSP / IPW)Évaluation d'Impact Contrefactuelle RobustePondération Inverse de Probabilité Robuste (PIP Robuste)Modèle Structurel Marginal RobusteEstimateur par appariement robuste (appariement corrigé du biais)Appariement Robuste par Score de PropensionPondération robuste par score de propensionAnalyse de sensibilité pour la causalitéEstimation Doublement Robuste SpatialePondération par l'Inverse de la Probabilité Spatiale (Spatial IPW)Estimation ciblée du maximum de vraisemblance (TMLE)Variables instrumentales par moindres carrés en deux étapes (VI/2SLS)

Une erreur sur cette page ? Signalez-la ou proposez une correction →

ScholarGate — Doubly Robust Estimation (Augmented Inverse Probability Weighting (AIPW) / Doubly Robust Estimation). Consulté le 2026-06-15 sur https://scholargate.app/fr/causal-inference/doubly-robust-estimation · Jeu de données : https://doi.org/10.5281/zenodo.20539026