Bayesiaanse Inverse Probability Weighting
Bayesiaanse Inverse Probability Weighting (Bayesian IPW) breidt de klassieke IPW-schatter uit door prior-verdelingen toe te kennen aan de parameters van het propensity-scoremodel en die onzekerheid te propageren naar de schatting van het causale effect. Het resultaat is een posterior-verdeling voor het gemiddelde behandelingseffect die volledig rekening houdt met zowel de onzekerheid van de propensity-score-schatting als de onzekerheid van het uitkomstmodel, waardoor inferentie met geloofwaardige intervallen mogelijk wordt in plaats van te vertrouwen op asymptotische benaderingen.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Methodenkaart
De omgeving van verwante methoden — selecteer een knooppunt om te verkennen.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Bayesian Inverse Probability Weighting Estimator. ScholarGate. https://scholargate.app/nl/causal-inference/bayesian-inverse-probability-weighting
Welke methode?
Plaats deze methode naast haar naaste verwanten en lees ze naast elkaar — de bibliotheek legt de boeken op tafel; de keuze is aan u.
- Bayesiaanse Verschil-in-VerschillenCausale inferentie↔ vergelijken
- Bayesiaanse Propensity Score MatchingCausale inferentie↔ vergelijken
- Dubbel Robuuste Schatting (AIPW)Causale inferentie↔ vergelijken
- Inverse Probability of Treatment Weighting (IPW / IPTW)Causale inferentie↔ vergelijken
- Marginaal Structureel Model (MSM)Causale inferentie↔ vergelijken
- Propensity Score Weighting (PSW / IPW)Causale inferentie↔ vergelijken
Een fout op deze pagina gezien? Meld het of stel een correctie voor →