Augmented Inverse Probability Weighting (AIPW) / Doubly Robust Estimation
कल्पना कीजिए कि आपके पास उपचार प्रभाव का अनुमान लगाने के दो तरीके हैं: एक सीधे परिणाम का मॉडल बनाता है, दूसरा उन अवलोकनों को पुनः भारित करता है जिनके उपचार प्राप्त करने की संभावना थी। प्रत्येक अनुमान गलत हो सकता है यदि उसका मॉडल गलत निर्दिष्ट हो। द्वि-दृढ़ अनुमान उन्हें मिश्रित करता है ताकि एक मॉडल की गलतियों को दूसरे द्वारा सुधारा जा सके। जब तक परिणाम मॉडल या प्रवृत्ति मॉडल में से कोई एक सही है, संयुक्त अनुमान अभी भी सत्य की ओर इंगित करता है, जिससे आपको एक के बजाय सही होने के दो अवसर मिलते हैं।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
पद्धति मानचित्र
सम्बन्धित पद्धतियों का परिवेश — अन्वेषण हेतु किसी नोड का चयन करें।
+50 और
स्रोत
- 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 1). Augmented Inverse Probability Weighting (AIPW) / Doubly Robust Estimation. ScholarGate. https://scholargate.app/hi/causal-inference/doubly-robust-estimation
कौन-सी पद्धति?
इस पद्धति को उसकी निकटतम सजातीय पद्धतियों के साथ रखकर उन्हें साथ-साथ पढ़ें — पुस्तकालय पुस्तकें मेज़ पर रख देता है; चुनाव आपका है।
- कारण मध्यस्थता विश्लेषण (प्राकृतिक प्रत्यक्ष और अप्रत्यक्ष प्रभाव)कारणात्मक अनुमान↔ तुलना करें
- उपचार भारण की व्युत्क्रम प्रायिकता (IPW / IPTW)कारणात्मक अनुमान↔ तुलना करें
- लॉजिस्टिक रिग्रेशनअनुसंधान सांख्यिकी↔ तुलना करें
- साधारण न्यूनतम वर्ग (OLS) समाश्रयणअर्थमिति↔ तुलना करें
- प्रोपेंसिटी स्कोर मैचिंगअनुसंधान सांख्यिकी↔ तुलना करें