Regression modelQuasi-experimental / causal inference
강건한 성향 점수 가중치
강건한 성향 점수 가중치(Robust Propensity Score Weighting)는 성향 점수 모델의 잘못된 명세와 극단적인 가중치에 대한 안전 장치를 통합하여 표준 역확률 가중치(inverse probability weighting)를 확장합니다. 이는 가중치 절단, 중첩 가중치, 또는 증강된 결과 모델과 같은 기법을 결합하여 성향 점수 모델이 완벽하게 명세되지 않았더라도 인과 효과 추정치가 신뢰할 수 있도록 보장합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
방법 지도
관련 방법들로 이루어진 인접 영역 — 노드를 선택해 살펴보세요.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Robust Propensity Score Weighting Estimator. ScholarGate. https://scholargate.app/ko/causal-inference/robust-propensity-score-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
- 인과관계에 대한 민감도 분석인과추론↔ 비교