Inverse Probability Weighting in Education Research
Inverse Probability Weighting (IPW) is een causale inferentietechniek die observationele onderwijsdata herwegt om een gerandomiseerd experiment na te bootsen. Elke student of school krijgt een gewicht toegekend dat gelijk is aan de inverse van de waarschijnlijkheid dat zij de behandeling hebben ontvangen — waardoor een pseudo-populatie ontstaat waarin programma-deelname onafhankelijk is van gemeten achtergrondkenmerken. De methode wordt veelvuldig gebruikt in onderwijsonderzoek om schoolprogramma's, interventies en beleid te evalueren op basis van administratieve of enquêtegegevens.
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 ↗
- Stuart, E. A. (2010). Matching Methods for Causal Inference: A Review and a Look Forward. Statistical Science, 25(1), 1-21. DOI: 10.1214/09-STS313 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Inverse Probability Weighting for Causal Inference in Education Research. ScholarGate. https://scholargate.app/nl/causal-inference/inverse-probability-weighting-in-education-research
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.
- Coarsened Exact Matching (CEM)Causale inferentie↔ vergelijken
- Difference-in-Differences (DiD)Econometrie↔ vergelijken
- Dubbel Robuuste Schatting (AIPW)Causale inferentie↔ vergelijken
- Instrumentele Variabelen (IV) Methode voor Causale InferentieGezondheidseconomie↔ vergelijken
- Propensity Score MatchingOnderzoeksstatistiek↔ vergelijken
- Regressiediscontinuïteitsontwerp (RDD)Causale inferentie↔ vergelijken
Similar methods
Een fout op deze pagina gezien? Meld het of stel een correctie voor →