Heterogeneuze Behandelingseffect Inverse Probability Weighting (HTE-IPW)
HTE-IPW breidt standaard inverse probability weighting uit om te herstellen hoe causale effecten variëren over subgroepen of covariabele waarden. Door elke observatie te herwegen met de inverse van de geschatte behandelingkans, creëert de methode een pseudo-populatie waarin behandeling onafhankelijk is van achtergrondkenmerken, en schat vervolgens conditionele gemiddelde behandelingseffecten (CATE's) als functie van die kenmerken.
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
- 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 ↗
- Abrevaya, J., Hsu, Y.-C., & Lieli, R. P. (2015). Estimating conditional average treatment effects. Journal of Business and Economic Statistics, 33(4), 485-505. DOI: 10.1080/07350015.2014.975555 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Heterogeneous Treatment Effect Estimation via Inverse Probability Weighting. ScholarGate. https://scholargate.app/nl/causal-inference/heterogeneous-treatment-effect-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.
- Dubbel Robuuste Schatting (AIPW)Causale inferentie↔ vergelijken
- Propensity Score Matching voor Heterogene BehandeleffectenCausale 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
Similar methods
Een fout op deze pagina gezien? Meld het of stel een correctie voor →