אמידה חסונה כפולה (AIPW)
אמידה חסונה כפולה, הנקראת גם שקלול הסתברות היפוכי מוגבר (AIPW), היא שיטה סמי-פרמטרית לאמידת השפעות טיפול סיבתיות, המשלבת מודל רגרסיה של תוצאה עם מודל נטייה (טיפול). שיטה זו, שפותחה בעבודתם של רובינס ורוטניצקי (Robins & Rotnitzky, 1995) ובאנג ורובינס (Bang & Robins, 2005), נשארת עקיבה כל עוד לפחות אחד משני המודלים מוגדר נכונה.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
+50 more
מקורות
- 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 ↗
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 1). Augmented Inverse Probability Weighting (AIPW) / Doubly Robust Estimation. ScholarGate. https://scholargate.app/he/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.
- ניתוח תיווך סיבתי (אפקטים ישירים ועקיפים טבעיים)הסקה סיבתית↔ compare
- משקולות הסתברות הפוכות (IPW / IPTW)הסקה סיבתית↔ compare
- רגרסיה לוגיסטיתסטטיסטיקה למחקר↔ compare
- רגרסיית ריבועים פחותים רגילים (OLS)אקונומטריקה↔ compare
- התאמת ציון נטייהסטטיסטיקה למחקר↔ compare