Regression modelQuasi-experimental / causal inference
베이즈 이중 강건 추정 (Bayesian Doubly Robust Estimation)
베이즈 이중 강건 추정은 고전적인 이중 강건(DR) 증강 역확률 가중 프레임워크를 베이즈 추론과 결합한 것입니다. 이는 성향 점수와 결과 회귀를 동시에 모델링하고, 둘 모두에 사전 분포를 설정하며, 두 구성 모델 중 하나가 잘못 지정되더라도 일관성을 유지하는 평균 치료 효과에 대한 사후 분포를 도출합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
방법 지도
관련 방법들로 이루어진 인접 영역 — 노드를 선택해 살펴보세요.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Bayesian Doubly Robust Estimation of Average Treatment Effects. ScholarGate. https://scholargate.app/ko/causal-inference/bayesian-doubly-robust-estimation
어떤 방법일까요?
이 방법을 가장 가까운 동류의 방법들과 나란히 놓고 비교해 보세요 — 라이브러리는 책을 펼쳐 놓을 뿐, 선택은 여러분의 몫입니다.
- 베이지안 인과적 영향 분석(Bayesian Causal Impact Analysis)인과추론↔ 비교
- 베이지안 성향 점수 매칭인과추론↔ 비교
- 이중 강건 추정 (AIPW)인과추론↔ 비교
- 역확률 가중치 (Inverse Probability Weighting, IPW / IPTW)인과추론↔ 비교
- Marginal Structural Model (MSM)인과추론↔ 비교