Ponderazione Robusta del Punteggio di Propensione
La Ponderazione Robusta del Punteggio di Propensione estende la ponderazione standard per l'inversione della probabilità incorporando salvaguardie contro la misspecificazione del modello del punteggio di propensione e pesi estremi. Combina tecniche quali il trimming dei pesi, la ponderazione per sovrapposizione o modelli di esito aumentati per garantire che le stime degli effetti causali rimangano affidabili anche quando il modello del punteggio di propensione è imperfettamente specificato.
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
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Robust Propensity Score Weighting Estimator. ScholarGate. https://scholargate.app/it/causal-inference/robust-propensity-score-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.
- 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
- Abbinamento del punteggio di propensioneStatistica per la ricerca↔ confronta
- Ponderazione basata sul punteggio di propensione (PSW / IPW)Inferenza causale↔ confronta
- Analisi di sensibilità per la causalitàInferenza causale↔ confronta
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →