Bobot Skor Propensitas yang Kuat
Bobot Skor Propensitas yang Kuat (Robust Propensity Score Weighting) memperluas pembobotan probabilitas invers standar dengan menggabungkan pengamanan terhadap kesalahan spesifikasi model skor propensitas dan bobot ekstrem. Metode ini mengombinasikan teknik seperti pemangkasan bobot (weight trimming), pembobotan tumpang tindih (overlap weighting), atau model hasil yang diperkaya (augmented outcome models) untuk memastikan estimasi efek kausal tetap andal bahkan ketika model skor propensitas tidak dispesifikasi dengan sempurna.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Peta metode
Lingkup metode terkait — pilih sebuah simpul untuk menjelajah.
Sumber
- Robins, J. M., Rotnitzky, A., & Zhao, L. P. (1994). Estimation of regression coefficients when some regressors are not always observed. Journal of the American Statistical Association, 89(427), 846-866. DOI: 10.1080/01621459.1994.10476818 ↗
- Zhao, Q., Small, D. S., & Bhattacharya, B. B. (2019). Sensitivity analysis for inverse probability weighting estimators via the percentile bootstrap. Journal of the Royal Statistical Society: Series B, 81(4), 735-761. DOI: 10.1111/rssb.12327 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Robust Propensity Score Weighting Estimator. ScholarGate. https://scholargate.app/id/causal-inference/robust-propensity-score-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
- Bobot Probabilitas Invers (IPW / IPTW)Inferensi Kausal↔ bandingkan
- Model Struktural Marginal (MSM)Inferensi Kausal↔ bandingkan
- Pencocokan Skor PropensitasStatistika Penelitian↔ bandingkan
- Pembobotan Skor Propensitas (PSW / IPW)Inferensi Kausal↔ bandingkan
- Analisis Sensitivitas untuk KausalitasInferensi Kausal↔ bandingkan
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →