Robuuste Inverse Probability Weighting (Robuuste IPW)
Robuuste Inverse Probability Weighting is een causale inferentieschatting die waargenomen eenheden herwegt met gestabiliseerde of getrimde propensity scoregewichten, en vervolgens sandwich- of bootstrap-variantie-schatting toepast om te beschermen tegen model-misspecificatie, extreme gewichten en opgeblazen standaardfouten. Het breidt standaard IPW uit om de eindige-steekproefprestaties en inferentiële betrouwbaarheid in observationele studies te verbeteren.
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
- Lunceford, J. K., & Davidian, M. (2004). Stratification and weighting via the propensity score in estimation of causal treatment effects: a comparative study. Statistics in Medicine, 23(19), 2937-2960. DOI: 10.1002/sim.1903 ↗
- Robins, J. M., Hernán, M. A., & Brumback, B. (2000). Marginal structural models and causal inference in epidemiology. Epidemiology, 11(5), 550-560. DOI: 10.1097/00001648-200009000-00011 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Robust Inverse Probability Weighting Estimator. ScholarGate. https://scholargate.app/nl/causal-inference/robust-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
- Inverse Probability of Treatment Weighting (IPW / IPTW)Causale inferentie↔ vergelijken
- Marginaal Structureel Model (MSM)Causale inferentie↔ vergelijken
- Propensity Score MatchingOnderzoeksstatistiek↔ vergelijken
- Propensity Score Weighting (PSW / IPW)Causale inferentie↔ vergelijken
Een fout op deze pagina gezien? Meld het of stel een correctie voor →