Regression model
Divkārši robusta novērtēšana (AIPW)
Divkārši robusta novērtēšana, ko dēvē arī par paplašināto apgriezto varbūtības svēršanu (AIPW), ir semiparametriska metode cēloņsakarīgu ārstēšanas efektu novērtēšanai, kas apvieno rezultātu regresijas modeli ar noslieces (ārstēšanas) modeli. Izstrādāta Robins & Rotnitzky (1995) un Bang & Robins (2005) darbos, tā saglabā konsistenci, ja vismaz viens no abiem modeļiem ir pareizi specificēts.
Lasīt pilno metodes aprakstu
Tikai dalībniekiem
PieteiktiesPiesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
+50 more
Avoti
- Robins, J. M. & Rotnitzky, A. (1995). Semiparametric Efficiency in Multivariate Regression Models with Missing Data. Journal of the American Statistical Association, 90(429), 122-129. DOI: 10.1080/01621459.1995.10476494 ↗
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 1). Augmented Inverse Probability Weighting (AIPW) / Doubly Robust Estimation. ScholarGate. https://scholargate.app/lv/causal-inference/doubly-robust-estimation
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Kausālā mediācijas analīze (dabiski tiešie un netiešie efekti)Cēloņsakarību secināšana↔ compare
- Apgrieztā varbūtības svēršana (IPW / IPTW)Cēloņsakarību secināšana↔ compare
- Logistiskā regresijaPētniecības statistika↔ compare
- Parastā mazāko kvadrātu (OLS) regresijaEkonometrija↔ compare
- Propensity Score MatchingPētniecības statistika↔ compare
Uz to atsaucas
Bayesiskā dubulti robustā novērtēšanaBeijesa entropijas balansēšanaBayesian Inverse Probability WeightingBayesiskais marginālais strukturālais modelisBeieziešu atbilstošais novērtētājsBejeziešu tendenču rādītāju saskaņošanaBeieziešu tendenču rādītāju svēršanaBeijesiskā jutīguma analīze cēloniskumamDubultā mašīnmācīšanāsDivkārši robusta novērtēšana izglītības pētījumosDinamiskā apgrieztā varbūtības svēršanaDinamiskā tendences rādītāja saskaņošanaEntropijas balansēšanaG-aprēķins (Parametriskā G-formula)Heterogēno ārstēšanas efektu divkārši robusta novērtēšanaDiferencēta efektu entropijas balansēšanaHeterogeneous Treatment Effect Inverse Probability Weighting (HTE-IPW)Heterogēno Ārstēšanas Efektu Marginālais Strukturālais Modelis (HTE-MSM)Novērtēšanas vienādojums heterogēniem ārstēšanas efektu atbilstībaiHeterogēno ārstēšanas efektu noslieces rādītāja saskaņošanaJebīgā efektu atšķirību jutīguma analīze cēloniskumamApgrieztā varbūtības svēršana (IPW / IPTW)Apgrieztās varbūtības svēršana izglītības pētījumosMašīnmācīšanās papildināta kauzālās ietekmes analīzeMašīnmācīšanās papildinātā raupjā precīzā saskaņošana (ML-CEM)Mašīnmācības papildinātā atšķiršanās divos veidos (ML-DiD)Mašīnmācīšanās palīdzības divkārši robusta novērtēšana (ML-DR)Mašīnmācīšanās papildināta entropijas balansēšanaMachine Learning-Augmented Fuzzy Regression DiscontinuityMašīnmācīšanās papildinātā apgrieztās varbūtības svēršana (ML-IPW)Ar mašīnmācīšanos papildināts marginālais strukturālais modelis (ML-MSM)Mašīnmācīšanās papildinātais saskaņošanas novērtētājsMašīnmācīšanās papildinātā tendenču rezultātu saskaņošanaMašīnmācīšanās papildinātā noslieces rādītāja svēršanaMarginal Structural Model (MSM)Novērtēšanas vienādošana (Matching Estimator)Daudzperiodu divkārši robusta novērtēšanaDaudzperiodu apgrieztā varbūtības svēršanaDaudzperiodu tendenču rādītāju svēršanaDivu robota novērtējums politikas novērtēšanāPolitikas novērtēšana: apgrieztās varbūtības svēršanaMarginalā strukturālā modelēšana politikas novērtēšanaiPolitikas novērtēšana ar tendenču rezultātu saskaņošanuPolitikas novērtēšana ar tendenču rādītāju svēršanuAproksimēta novērtēšana (PSW / IPW)Robustiska pretfaktora ietekmes novērtējumsRobust Inverse Probability Weighting (Robust IPW)Robustā Margilālā Strukturālā ModelēšanaRobustais saskaņošanas novērtētājs (koriģēts ar aizspriedumiem)Robusts īpašības rādītāju saskaņošanaRobust Propensity Score WeightingKauzalitātes jutīguma analīzeTelpiskā divkārtīgi robustā estimācijaTelpiskās apgrieztās varbūtības svēršana (Telpiskā IPW)Mērķtiecīga maksimālās visticamības novērtēšana (TMLE)Instrumentālās mainīgās, izmantojot divpakāpju mazāko kvadrātu metodi (IV/2SLS)
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →