Targeted Maximum Likelihood Estimation (TMLE)
Targeted Maximum Likelihood Estimation (TMLE) adalah metode inferensi kausal semiparametrik, *doubly robust* yang diperkenalkan oleh Mark van der Laan dan Daniel Rubin pada tahun 2006. Metode ini menggabungkan model pembelajaran mesin yang fleksibel untuk hasil (*outcome*) dan mekanisme penugasan perlakuan (*treatment assignment*), kemudian menerapkan langkah penargetan yang menyesuaikan kembali model hasil awal secara spesifik untuk mengurangi bias terhadap estiman kausal yang telah ditentukan sebelumnya seperti efek perlakuan rata-rata (*average treatment effect*). TMLE banyak digunakan dalam epidemiologi, biostatistika, dan ekonomi kesehatan ketika mengestimasi efek kausal dari data observasional.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- van der Laan, M. J., & Rubin, D. (2006). Targeted maximum likelihood learning. The International Journal of Biostatistics, 2(1). DOI: 10.2202/1557-4679.1043 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 2). Targeted Maximum Likelihood Estimation (TMLE). ScholarGate. https://scholargate.app/id/causal-inference/targeted-maximum-likelihood
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.
- Pembelajaran Mesin GandaInferensi Kausal↔ compare
- Estimasi Robust Ganda (AIPW)Inferensi Kausal↔ compare
- Bobot Probabilitas Invers (IPW / IPTW)Inferensi Kausal↔ compare
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →