Pondération Inverse de Probabilité Robuste (PIP Robuste)
La Pondération Inverse de Probabilité Robuste (PIP Robuste) est un estimateur d'inférence causale qui repondère les unités observées par des poids de score de propension stabilisés ou tronqués, puis applique une estimation de variance de type sandwich ou bootstrap pour se prémunir contre la mauvaise spécification du modèle, les poids extrêmes et les erreurs standard gonflées. Elle étend la PIP standard pour améliorer la performance en échantillon fini et la fiabilité de l'inférence dans les études observationnelles.
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
- Lunceford, J. K., & Davidian, M. (2004). Stratification and weighting via the propensity score in estimation of causal treatment effects: a comparative study. Statistics in Medicine, 23(19), 2937-2960. DOI: 10.1002/sim.1903 ↗
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Robust Inverse Probability Weighting Estimator. ScholarGate. https://scholargate.app/fr/causal-inference/robust-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.
- 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 →