Kettősen robusztus becslés (AIPW)
A kettősen robusztus becslés, más néven augmentált inverz valószínűségi súlyozás (AIPW), egy szemi-paraméteres módszer kauzális kezelési hatások becslésére, amely egyesíti a kimeneti regressziós modellt a tendencia (kezelési) modellel. Robins & Rotnitzky (1995) és Bang & Robins (2005) munkásságában kifejlesztett módszer, amely mindaddig konzisztens marad, amíg a két modell közül legalább az egyik helyesen van specifikálva.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
+50 more
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 1). Augmented Inverse Probability Weighting (AIPW) / Doubly Robust Estimation. ScholarGate. https://scholargate.app/hu/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.
- Kauzalitás mediációs analízis (természetes direkt és indirekt hatások)Oksági következtetés↔ compare
- Az inverz valószínűségi kezelési súlyozás (IPW / IPTW)Oksági következtetés↔ compare
- Logistic RegressionKutatási statisztika↔ compare
- Regresszió Ordináris Legkisebb Négyzetes (OLS) módszerrelÖkonometria↔ compare
- Tárgyhajlamossági pontszám illesztésKutatási statisztika↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →