Robuuste Gewogenheid op Basis van Propensity Scores
Robuuste Gewogenheid op Basis van Propensity Scores breidt de standaard inverse-probability weighting uit door waarborgen in te bouwen tegen misspecificatie van het propensity-scoremodel en extreme gewichten. Het combineert technieken zoals gewichtstrimming, overlap-weighting of geaugmenteerde uitkomstmodellen om ervoor te zorgen dat schattingen van causale effecten betrouwbaar blijven, zelfs wanneer het propensity-scoremodel onvolkomen gespecificeerd is.
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
- Robins, J. M., Rotnitzky, A., & Zhao, L. P. (1994). Estimation of regression coefficients when some regressors are not always observed. Journal of the American Statistical Association, 89(427), 846-866. DOI: 10.1080/01621459.1994.10476818 ↗
- Zhao, Q., Small, D. S., & Bhattacharya, B. B. (2019). Sensitivity analysis for inverse probability weighting estimators via the percentile bootstrap. Journal of the Royal Statistical Society: Series B, 81(4), 735-761. DOI: 10.1111/rssb.12327 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Robust Propensity Score Weighting Estimator. ScholarGate. https://scholargate.app/nl/causal-inference/robust-propensity-score-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
- Gevoeligheidsanalyse voor causaliteitCausale inferentie↔ vergelijken
Een fout op deze pagina gezien? Meld het of stel een correctie voor →