Pembobotan Probabilitas Invers Bayesian
Pembobotan Probabilitas Invers Bayesian (Bayesian IPW) memperluas estimator IPW klasik dengan menempatkan distribusi prior pada parameter model skor kecenderungan (propensity score) dan menyebarkan ketidakpastian tersebut ke dalam estimasi efek kausal. Hasilnya adalah distribusi posterior untuk efek perlakuan rata-rata yang sepenuhnya memperhitungkan ketidakpastian estimasi skor kecenderungan dan ketidakpastian model hasil, memungkinkan inferensi interval kredibel daripada mengandalkan aproksimasi asimtotik.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Peta metode
Lingkup metode terkait — pilih sebuah simpul untuk menjelajah.
Sumber
- Saarela, O., Stephens, D. A., Moodie, E. E. M., & Klein, M. B. (2015). On risk prediction and characterisation of treatment effects in a Bayesian framework using the propensity score. Statistics in Medicine, 34(14), 2170-2185. link ↗
- Liao, S. X., & Zigler, C. M. (2020). Uncertainty in the design stage of two-stage Bayesian propensity score analysis. Statistics in Medicine, 39(17), 2265-2290. DOI: 10.1002/sim.8486 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Bayesian Inverse Probability Weighting Estimator. ScholarGate. https://scholargate.app/id/causal-inference/bayesian-inverse-probability-weighting
Metode yang mana?
Letakkan metode ini berdampingan dengan kerabat terdekatnya dan baca secara bersisian — pustaka menata bukunya di atas meja; pilihan ada di tangan Anda.
- Perbedaan-dalam-Perbedaan BayesianInferensi Kausal↔ bandingkan
- Pencocokan Skor Propensitas BayesianInferensi Kausal↔ bandingkan
- Estimasi Robust Ganda (AIPW)Inferensi Kausal↔ bandingkan
- Bobot Probabilitas Invers (IPW / IPTW)Inferensi Kausal↔ bandingkan
- Model Struktural Marginal (MSM)Inferensi Kausal↔ bandingkan
- Pembobotan Skor Propensitas (PSW / IPW)Inferensi Kausal↔ bandingkan
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →