Targeted Maximum Likelihood Estimation (TMLE)
Targeted Maximum Likelihood Estimation (TMLE) er en semiparametrisk, dobbelt robust metode for kausal inferens introdusert av Mark van der Laan og Daniel Rubin i 2006. Den kombinerer fleksible maskinlæringsmodeller for både utfall og mekanismen for tildeling av behandling, og anvender deretter et målrettingstrinn som re-tilpasser den initiale utfallsmodellen spesifikt for å redusere skjevhet for en forhåndsbestemt kausal estimand, som gjennomsnittlig behandlingseffekt. TMLE brukes mye i epidemiologi, biostatistikk og helseøkonomi ved estimering av kausale effekter fra observasjonsdata.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- van der Laan, M. J., & Rubin, D. (2006). Targeted maximum likelihood learning. The International Journal of Biostatistics, 2(1). DOI: 10.2202/1557-4679.1043 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 2). Targeted Maximum Likelihood Estimation (TMLE). ScholarGate. https://scholargate.app/no/causal-inference/targeted-maximum-likelihood
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Dobbel maskinlæringKausal inferens↔ compare
- Dobbel robust estimering (AIPW)Kausal inferens↔ compare
- Inverse Probability of Treatment Weighting (IPW / IPTW)Kausal inferens↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →