ScholarGate
Assistente
Regression modelQuasi-experimental / causal inference

Ponderazione Bayesiana dell'Inverso della Probabilità

La Ponderazione Bayesiana dell'Inverso della Probabilità (Bayesian IPW) estende lo stimatore classico IPW ponendo distribuzioni a priori sui parametri del modello di propensity score e propagando tale incertezza nella stima dell'effetto causale. Il risultato è una distribuzione a posteriori per l'effetto medio del trattamento che tiene pienamente conto sia dell'incertezza nella stima del propensity score sia dell'incertezza nel modello di esito, consentendo inferenze basate su intervalli credibili piuttosto che affidarsi ad approssimazioni asintotiche.

Apri in MethodMindIn arrivoVideoIn arrivoScarica le diapositive

Leggi il metodo completo

Riservato ai membri

Accedi con un account gratuito per leggere questa sezione.

Accedi

Mappa dei metodi

Il vicinato dei metodi correlati — seleziona un nodo per esplorare.

Fonti

  1. 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
  2. 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

Come citare questa pagina

ScholarGate. (2026, June 3). Bayesian Inverse Probability Weighting Estimator. ScholarGate. https://scholargate.app/it/causal-inference/bayesian-inverse-probability-weighting

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.

Confronta affiancati
ScholarGateBayesian Inverse Probability Weighting (Bayesian Inverse Probability Weighting Estimator). Consultato il 2026-06-15 da https://scholargate.app/it/causal-inference/bayesian-inverse-probability-weighting · Insieme di dati: https://doi.org/10.5281/zenodo.20539026