Stima Bayesian Doubly Robust
La stima Bayesian Doubly Robust (BDR) combina il classico framework di pesatura a probabilità inversa aumentata (doubly robust, DR) con l'inferenza bayesiana. Modella simultaneamente il propensity score e la regressione dell'esito, ponendo distribuzioni a priori su entrambi, e deriva una distribuzione a posteriori sull'effetto medio del trattamento che rimane consistente anche se uno dei due modelli componenti è specificato erroneamente.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Mappa dei metodi
Il vicinato dei metodi correlati — seleziona un nodo per esplorare.
Fonti
- 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 ↗
- Scharfstein, D., Nabi, R., Kennedy, E. H., Huang, M.-Y., Bonvini, M., & Smid, M. (2021). Semiparametric sensitivity analysis: Unmeasured confounding in observational studies. arXiv:1910.14694. link ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Bayesian Doubly Robust Estimation of Average Treatment Effects. ScholarGate. https://scholargate.app/it/causal-inference/bayesian-doubly-robust-estimation
Quale metodo?
Affianca questo metodo ai suoi parenti più prossimi e leggili fianco a fianco — la biblioteca dispone i libri sul tavolo; la scelta è tua.
- Analisi Bayesiana dell'Impatto CausaleInferenza causale↔ confronta
- Abbinamento Bayesiano del Punteggio di PropensioneInferenza causale↔ confronta
- Stima a Doppia Robustezza (AIPW)Inferenza causale↔ confronta
- Inverse Probability of Treatment Weighting (IPW / IPTW)Inferenza causale↔ confronta
- Modello Strutturale Marginale (MSM)Inferenza causale↔ confronta
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →