Bayes-féle kettősen robusztus becslés
A Bayes-féle kettősen robusztus (DR) becslés a klasszikus kettősen robusztus, augmentált inverz valószínűségi súlyozási keretet ötvözi a Bayes-féle következtetéssel. Egyszerre modellezi a hajlamossági hányadost (propensity score) és az eredmény regressziót, előzetes eloszlásokat rendelve mindkettőhöz, és az átlagos kezelési hatásra (average treatment effect) egy utólagos eloszlást (posterior distribution) vezet le, amely akkor is konzisztens marad, ha a két komponensmodell közül az egyik helytelenül specifikált.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
- Scharfstein, D., Nabi, R., Kennedy, E. H., Huang, M.-Y., Bonvini, M., & Smid, M. (2021). Semiparametric sensitivity analysis: Unmeasured confounding in observational studies. arXiv:1910.14694. link ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Bayesian Doubly Robust Estimation of Average Treatment Effects. ScholarGate. https://scholargate.app/hu/causal-inference/bayesian-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.
- Bayesian Causal Impact AnalysisOksági következtetés↔ compare
- Bayesian Propensity Score Matching (Bayesian PSM)Oksági következtetés↔ compare
- Kettősen robusztus becslés (AIPW)Oksági következtetés↔ compare
- Az inverz valószínűségi kezelési súlyozás (IPW / IPTW)Oksági következtetés↔ compare
- Marginal Structural Model (MSM)Oksági következtetés↔ compare
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →