Stima a Doppia Robustezza (AIPW)
La stima a doppia robustezza, nota anche come ponderazione con inversa della probabilità aumentata (AIPW), è un metodo semiparametrico per la stima degli effetti causali del trattamento che combina un modello di regressione dell'esito con un modello di propensione (del trattamento). Sviluppato nei lavori di Robins & Rotnitzky (1995) e Bang & Robins (2005), rimane consistente fintanto che almeno uno dei due modelli è specificato correttamente.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
+50 more
Fonti
- Robins, J. M. & Rotnitzky, A. (1995). Semiparametric Efficiency in Multivariate Regression Models with Missing Data. Journal of the American Statistical Association, 90(429), 122-129. DOI: 10.1080/01621459.1995.10476494 ↗
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 1). Augmented Inverse Probability Weighting (AIPW) / Doubly Robust Estimation. ScholarGate. https://scholargate.app/it/causal-inference/doubly-robust-estimation
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.
- Analisi di mediazione causale (effetti diretti e indiretti naturali)Inferenza causale↔ compare
- Inverse Probability of Treatment Weighting (IPW / IPTW)Inferenza causale↔ compare
- Regressione LogisticaStatistica per la ricerca↔ compare
- Regression with Ordinary Least Squares (OLS)Econometria↔ compare
- Abbinamento del punteggio di propensioneStatistica per la ricerca↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →