Regression modelQuasi-experimental / causal inference

Aproksimēta novērtēšana (PSW / IPW)

Aproksimētas novērtēšana ir cēloņsakarību izziņas metode, kas novērtē novērojumus, lai ārstēto un neārstēto vienību kovariātu sadalījumi izskatītos apmaināmi, ļaujot neitrāli novērtēt vidējos ārstēšanas efektus no novērojumu datiem. Katra vienība saņem svaru, kas ir apgriezta tās saņemtās ārstēšanas varbūtībai — stratēģija, ko formalizēja Rosenbaums un Rubins (1983) un kuras efektīvo pusne-parametrisko formu piešķīra Hirano, Imbens un Ridder (2003).

Atvērt MethodMindDrīzumāVideoDrīzumāLejupielādēt slaidus

Lasīt pilno metodes aprakstu

Tikai dalībniekiem

Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.

Pieteikties

Metožu karte

Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.

Aproksimēta novērtēšana (PSW / IPW)

Coarsened Exact Matching…Diferenču starpībām (Dif…Divkārši robusta novērtē…Entropijas balansēšana Apgrieztā varbūtības svē…Propensity Score Matching Beijesa entropijas balan…Bayesian Inverse Probabi…Bayesiskais marginālais…Beieziešu tendenču rādīt…

+vēl 34

Avoti

Rosenbaum, P. R., & Rubin, D. B. (1983). The central role of the propensity score in observational studies for causal effects. Biometrika, 70(1), 41-55. DOI: 10.1093/biomet/70.1.41 ↗
Hirano, K., Imbens, G. W., & Ridder, G. (2003). Efficient estimation of average treatment effects using the estimated propensity score. Econometrica, 71(4), 1161-1189. DOI: 10.1111/1468-0262.00442 ↗

Kā citēt šo lapu

ScholarGate. (2026, June 3). Propensity Score Weighting Estimator. ScholarGate. https://scholargate.app/lv/causal-inference/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.

Coarsened Exact Matching (CEM)Cēloņsakarību secināšana↔ salīdzināt
Diferenču starpībām (Diff-in-Diff)Ekonometrija↔ salīdzināt
Divkārši robusta novērtēšana (AIPW)Cēloņsakarību secināšana↔ salīdzināt
Entropijas balansēšanaCēloņsakarību secināšana↔ salīdzināt
Apgrieztā varbūtības svēršana (IPW / IPTW)Cēloņsakarību secināšana↔ salīdzināt
Propensity Score MatchingPētniecības statistika↔ salīdzināt

Salīdzināt blakus →

Uz to atsaucas

Beijesa entropijas balansēšana Bayesian Inverse Probability Weighting Bayesiskais marginālais strukturālais modelis Beieziešu tendenču rādītāju svēršana Coarsened Exact Matching (CEM)Divkārši robusta novērtēšana izglītības pētījumos Dinamiskā pretfaktiskā ietekmes novērtēšana Dinamiskā entropijas balansēšana Dinamiskā apgrieztā varbūtības svēršana Dinamiskā tendences rādītāja saskaņošana Entropijas balansēšana Heterogēno ārstēšanas efektu divkārši robusta novērtēšana Diferencēta efektu entropijas balansēšana Heterogeneous Treatment Effect Inverse Probability Weighting (HTE-IPW)Heterogēno Ārstēšanas Efektu Marginālais Strukturālais Modelis (HTE-MSM)Mašīnmācīšanās palīdzības divkārši robusta novērtēšana (ML-DR)Mašīnmācīšanās papildinātā apgrieztās varbūtības svēršana (ML-IPW)Ar mašīnmācīšanos papildināts marginālais strukturālais modelis (ML-MSM)Mašīnmācīšanās papildinātā tendenču rezultātu saskaņošana Mašīnmācīšanās papildinātā noslieces rādītāja svēršana Marginal Structural Model (MSM)Novērtēšanas vienādošana (Matching Estimator)Daudzperiodu apgrieztā varbūtības svēršana Daudzperiodu tendenču rādītāju svēršana Tiešsaistes svērtais izlases veidošanas paņēmiens Panel Data Inverse Probability Weighting Panelu datu prognozes rādītāju svēršana Divu robota novērtējums politikas novērtēšanā Politikas novērtēšana: apgrieztās varbūtības svēršana Marginalā strukturālā modelēšana politikas novērtēšanai Politikas novērtēšana ar tendenču rezultātu saskaņošanu Politikas novērtēšana ar tendenču rādītāju svēršanu Propensity Score Matching in Education Research Robust Inverse Probability Weighting (Robust IPW)Robustā Margilālā Strukturālā Modelēšana Robusts īpašības rādītāju saskaņošana Robust Propensity Score Weighting Telpiskās entropijas balansēšana Telpiskais marginālais strukturālais modelis Telpiskā noslieces rādītāja svēršana

Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →