Regression modelQuasi-experimental / causal inference
강건 역확률 가중치 (Robust IPW)
강건 역확률 가중치(Robust IPW)는 관찰된 단위에 안정화되거나 절단된 성향 점수 가중치를 적용하여 재가중한 다음, 모델 오류 지정, 극단적 가중치, 과대 추정된 표준 오차에 대비하기 위해 샌드위치 또는 부트스트랩 분산 추정을 적용하는 인과 추론 추정량입니다. 이는 표준 IPW를 확장하여 관찰 연구에서 표본 내 성능과 추론 신뢰성을 향상시킵니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
방법 지도
관련 방법들로 이루어진 인접 영역 — 노드를 선택해 살펴보세요.
출처
- Lunceford, J. K., & Davidian, M. (2004). Stratification and weighting via the propensity score in estimation of causal treatment effects: a comparative study. Statistics in Medicine, 23(19), 2937-2960. DOI: 10.1002/sim.1903 ↗
- Robins, J. M., Hernán, M. A., & Brumback, B. (2000). Marginal structural models and causal inference in epidemiology. Epidemiology, 11(5), 550-560. DOI: 10.1097/00001648-200009000-00011 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Robust Inverse Probability Weighting Estimator. ScholarGate. https://scholargate.app/ko/causal-inference/robust-inverse-probability-weighting
어떤 방법일까요?
이 방법을 가장 가까운 동류의 방법들과 나란히 놓고 비교해 보세요 — 라이브러리는 책을 펼쳐 놓을 뿐, 선택은 여러분의 몫입니다.
- 이중 강건 추정 (AIPW)인과추론↔ 비교
- 역확률 가중치 (Inverse Probability Weighting, IPW / IPTW)인과추론↔ 비교
- Marginal Structural Model (MSM)인과추론↔ 비교
- 성향 점수 매칭연구 통계↔ 비교
- 성향 점수 가중치 (PSW / IPW)인과추론↔ 비교