Bobot Probabilitas Perlakuan Heterogen (HTE-IPW)
HTE-IPW memperluas bobot probabilitas perlakuan standar untuk memulihkan bagaimana efek kausal bervariasi di seluruh subkelompok atau nilai kovariat. Dengan memberi bobot ulang setiap observasi dengan kebalikan dari probabilitas perlakuan yang diestimasi, metode ini menciptakan populasi semu di mana perlakuan independen dari karakteristik latar belakang, dan kemudian mengestimasi efek perlakuan rata-rata bersyarat (CATE) sebagai fungsi dari karakteristik tersebut.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Peta metode
Lingkup metode terkait — pilih sebuah simpul untuk menjelajah.
Sumber
- Hirano, K., Imbens, G. W., & Ridder, G. (2003). Efficient estimation of average treatment effects using the estimated propensity score. Econometrica, 71(4), 1161-1189. DOI: 10.1111/1468-0262.00442 ↗
- Abrevaya, J., Hsu, Y.-C., & Lieli, R. P. (2015). Estimating conditional average treatment effects. Journal of Business and Economic Statistics, 33(4), 485-505. DOI: 10.1080/07350015.2014.975555 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Heterogeneous Treatment Effect Estimation via Inverse Probability Weighting. ScholarGate. https://scholargate.app/id/causal-inference/heterogeneous-treatment-effect-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.
- Estimasi Robust Ganda (AIPW)Inferensi Kausal↔ bandingkan
- Pencocokan Skor Kecenderungan Efek Perlakuan HeterogenInferensi 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
Similar methods
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →