Beieziešu tendenču rādītāju svēršana
Beieziešu tendenču rādītāju svēršana novērojumu datu gadījumā novērtē cēloņsakarību ietekmi, apvienojot Beieziešu modeli tendenču rādītājam ar apgrieztās varbūtības svēršanu. Ieviešot iepriekšēju informāciju par tendenču rādītāju parametriem un izplatot aizmugurējo nenoteiktību caur svēršanas soli, šī pieeja nodrošina pilnībā probabilistiskus nenoteiktības intervālus vidējai ārstēšanas ietekmei, ņemot vērā gan rādītāja modeļa, gan iznākuma nenoteiktību.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Metožu karte
Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.
Avoti
- McCandless, L. C., Gustafson, P., & Austin, P. C. (2009). Bayesian propensity score analysis for observational data. Statistics in Medicine, 28(1), 94–112. DOI: 10.1002/sim.3460 ↗
- Saarela, O., Stephens, D. A., Moodie, E. E. M., & Klein, M. B. (2015). On Bayesian estimation of marginal structural models. Biometrics, 71(2), 279–288. DOI: 10.1111/biom.12269 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Bayesian Propensity Score Weighting for Causal Inference. ScholarGate. https://scholargate.app/lv/causal-inference/bayesian-propensity-score-weighting
Kura metode?
Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.
- Beijesa atšķirību atšķirību metodeCēloņsakarību secināšana↔ salīdzināt
- Divkārši robusta novērtēšana (AIPW)Cēloņsakarību secināšana↔ salīdzināt
- Apgrieztā varbūtības svēršana (IPW / IPTW)Cēloņsakarību secināšana↔ salīdzināt
- Marginal Structural Model (MSM)Cēloņsakarību secināšana↔ salīdzināt
- Propensity Score MatchingPētniecības statistika↔ salīdzināt
- Aproksimēta novērtēšana (PSW / IPW)Cēloņsakarību secināšana↔ salīdzināt
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →