Penimbang Kebarangkaliansongsang Bayesian
Penimbang Kebarangkaliansongsang Bayesian (Bayesian IPW) melanjutkan penganggar IPW klasik dengan meletakkan taburan kebarangkalian terdahulu ke atas parameter model skor kecenderungan dan menyebarkan ketidakpastian itu ke dalam anggaran kesan sebab-akibat. Hasilnya ialah taburan posterior untuk kesan rawatan purata yang sepenuhnya mengambil kira ketidakpastian anggaran skor kecenderungan dan ketidakpastian model hasil, membolehkan inferens selang kebolehpercayaan berbanding bergantung pada anggaran asimptotik.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Peta kaedah
Kejiranan kaedah berkaitan — pilih satu nod untuk meneroka.
Sumber
- Saarela, O., Stephens, D. A., Moodie, E. E. M., & Klein, M. B. (2015). On risk prediction and characterisation of treatment effects in a Bayesian framework using the propensity score. Statistics in Medicine, 34(14), 2170-2185. link ↗
- Liao, S. X., & Zigler, C. M. (2020). Uncertainty in the design stage of two-stage Bayesian propensity score analysis. Statistics in Medicine, 39(17), 2265-2290. DOI: 10.1002/sim.8486 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Bayesian Inverse Probability Weighting Estimator. ScholarGate. https://scholargate.app/ms/causal-inference/bayesian-inverse-probability-weighting
Kaedah yang mana?
Letakkan kaedah ini di sebelah kaedah yang paling rapat dengannya dan baca secara bersebelahan — perpustakaan menyusun buku di atas meja; pilihan terletak pada anda.
- Perbezaan-dalam-Perbezaan BayesianInferens Kausal↔ banding
- Padanan Skor Kecenderungan BayesianInferens Kausal↔ banding
- Anggaran Keboleh-Teguhan Berganda (AIPW)Inferens Kausal↔ banding
- Penimbang Kebarangkalian Songsang (IPW / IPTW)Inferens Kausal↔ banding
- Model Struktur Marginal (MSM)Inferens Kausal↔ banding
- Penimbang Skor Kecenderungan (PSW / IPW)Inferens Kausal↔ banding
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →