Robust Inverse Probability Weighting (Robust IPW)
Robust Inverse Probability Weighting ir kauzālās inferences novērtētājs, kas pārsver novērotās vienības, izmantojot stabilizētus vai apgrieztus tendenču rezultātu (propensity score) svarus, un pēc tam piemēro sviestmaižu (sandwich) vai bootstrap varianču novērtēšanu, lai pasargātu pret modeļa nepareizu specifikāciju, ekstrēmiem svariem un palielinātām standarta kļūdām. Tas paplašina standarta IPW, lai uzlabotu galīgā parauga veiktspēju un inferenču uzticamību novērojumu pētījumos.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Metožu karte
Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Robust Inverse Probability Weighting Estimator. ScholarGate. https://scholargate.app/lv/causal-inference/robust-inverse-probability-weighting
Kura metode?
Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.
- 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 →