Regression model
Pondération par l'inverse de la probabilité de traitement (IPW / IPTW)
La pondération par l'inverse de la probabilité de traitement est une méthode d'inférence causale qui attribue à chaque observation un poids égal à l'inverse de sa probabilité de recevoir le traitement qu'elle a effectivement reçu. Introduite par Robins, Hernán et Brumback (2000) pour les modèles structurels marginaux, elle construit une pseudo-population dans laquelle le traitement est indépendant des facteurs de confusion mesurés, équilibrant ainsi le biais de sélection.
Lire la méthode complète
Réservé aux membres
Se connecterConnectez-vous avec un compte gratuit pour lire cette section.
Carte des méthodes
Le voisinage des méthodes apparentées — sélectionnez un nœud pour explorer.
+54 de plus
Sources
- Robins, J. M., Hernán, M. A., & Brumback, B. (2000). Marginal Structural Models and Causal Inference in Epidemiology. Epidemiology, 11(5), 550-560. DOI: 10.1097/00001648-200009000-00011 ↗
- Cole, S. R., & Hernán, M. A. (2008). Constructing Inverse Probability Weights for Marginal Structural Models. American Journal of Epidemiology, 168(6), 656-664. DOI: 10.1093/aje/kwn164 ↗
Comment citer cette page
ScholarGate. (2026, June 1). Inverse Probability of Treatment Weighting (IPW / IPTW). ScholarGate. https://scholargate.app/fr/causal-inference/inverse-probability-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.
- Analyse causale de médiation (effets directs et indirects naturels)Inférence causale↔ comparer
- Identification causale avec les graphes acycliques dirigés (do-calculus)Inférence causale↔ comparer
- Estimation doublement robuste (AIPW)Inférence causale↔ comparer
- Régression logistiqueStatistiques de recherche↔ comparer
- Appariement par score de propensionStatistiques de recherche↔ comparer
Référencée par
Estimation bayésienne doublement robusteÉquilibrage d'entropie bayésienPondération Bayésienne par l'Inverse de la ProbabilitéModèle Structurel Marginal BayésienAppariement Bayésien par Score de PropensionPondération Bayésienne par Score de PropensionCoarsened Exact Matching (CEM)Identification causale avec les graphes acycliques dirigés (do-calculus)Estimation doublement robuste (AIPW)Estimation doublement robuste en recherche en éducationÉquilibrage dynamique de l'entropiePondération Inverse de Probabilité DynamiqueEstimateur d'Appariement 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)Estimation doublement robuste augmentée par apprentissage automatique (ML-DR)Équilibrage d'entropie augmenté par apprentissage automatiqueMachine Learning-Augmented Inverse Probability WeightingModèle structurel marginal augmenté par apprentissage automatique (ML-MSM)Estimateur par Appariement Augmenté par Apprentissage AutomatiquePondération par score de propension augmentée par apprentissage automatiqueModèle structurel marginal (MSM)Modèle structurel marginal dans la recherche en éducationAnalyse des risques concurrents appariésÉtude de Phase IV appariéeEstimateur par appariementMéthodes de jumelage (CEM / Optimal / Génétique)Estimation robuste double multi-périodesPondération par l'inverse de la probabilité sur plusieurs périodesPondération par score de propension multi-périodesPondération par l'inverse de la probabilité pour données de panelModèle structurel marginal (MSM) pour données de panelÉvaluation de politiques par appariement exact à granularité grossière (CEM)Estimation doublement robuste pour l'évaluation des politiquesÉquilibrage par entropie pour l'évaluation des politiquesÉvaluation de politiques par pondération par l'inverse de la probabilitéModèle Structurel Marginal pour l'Évaluation des PolitiquesEstimateur par appariement pour l'évaluation des politiquesÉvaluation de politiques par appariement sur score de propensionPondération par score de propension pour l'évaluation des politiquesAppariement par Score de Propension dans la Recherche en ÉducationPondération par score de propension (PSP / IPW)Pondération par score de propension dans la recherche en éducationAnalyse de Kaplan-Meier ajustée au risqueÉtude de phase IV ajustée au risqueAnalyse de survie ajustée au risquePondération 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 propensionEstimation Doublement Robuste SpatialePondération par l'Inverse de la Probabilité Spatiale (Spatial IPW)Modèle Structurel Marginal SpatialPondération par score de propension spatialeEstimation ciblée du maximum de vraisemblance (TMLE)
Une erreur sur cette page ? Signalez-la ou proposez une correction →