Bayesiaanse Dubbel Robuuste Schatten
Bayesiaanse Dubbel Robuuste Schatten combineert het klassieke dubbel robuuste (DR) augmented inverse probability weighting raamwerk met Bayesiaanse inferentie. Het modelleert gelijktijdig de propensity score en de uitkomstregressie, plaatst prior-verdelingen over beide, en leidt een posterior-verdeling af over het gemiddelde behandelingseffect dat consistent blijft, zelfs als een van de twee componentmodellen verkeerd gespecificeerd is.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
- Scharfstein, D., Nabi, R., Kennedy, E. H., Huang, M.-Y., Bonvini, M., & Smid, M. (2021). Semiparametric sensitivity analysis: Unmeasured confounding in observational studies. arXiv:1910.14694. link ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Bayesian Doubly Robust Estimation of Average Treatment Effects. ScholarGate. https://scholargate.app/nl/causal-inference/bayesian-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.
- Bayesiaanse Causale Impact AnalyseCausale inferentie↔ compare
- Bayesiaanse Propensity Score MatchingCausale inferentie↔ compare
- Dubbel Robuuste Schatting (AIPW)Causale inferentie↔ compare
- Inverse Probability of Treatment Weighting (IPW / IPTW)Causale inferentie↔ compare
- Marginaal Structureel Model (MSM)Causale inferentie↔ compare
Een fout op deze pagina gezien? Meld het of stel een correctie voor →