Regression modelQuasi-experimental / causal inference
베이즈 역확률 가중치
베이즈 역확률 가중치(Bayesian IPW)는 성향 점수 모델 매개변수에 사전 분포를 부여하고 그 불확실성을 인과 효과 추정치로 전파함으로써 고전적인 IPW 추정량을 확장합니다. 그 결과는 성향 점수 추정 불확실성과 결과 모델 불확실성을 모두 완전히 설명하는 평균 처리 효과에 대한 사후 분포이며, 점근적 근사에 의존하기보다는 신뢰 구간 추론을 가능하게 합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
방법 지도
관련 방법들로 이루어진 인접 영역 — 노드를 선택해 살펴보세요.
출처
- 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 ↗
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Bayesian Inverse Probability Weighting Estimator. ScholarGate. https://scholargate.app/ko/causal-inference/bayesian-inverse-probability-weighting
어떤 방법일까요?
이 방법을 가장 가까운 동류의 방법들과 나란히 놓고 비교해 보세요 — 라이브러리는 책을 펼쳐 놓을 뿐, 선택은 여러분의 몫입니다.
- 베이즈 차이의 차이(Bayesian Difference-in-Differences)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
- 성향 점수 가중치 (PSW / IPW)인과추론↔ 비교